Exponential Smoothing

Forecasting estatístico da escala grande. Explanação de Exponential Smoothing. - Português

Ninguém pode realmente olhar no futuro. Os métodos estatísticos de qualquer modo modernos, os modelos econométricos e do software de business intelligence lata certamente a algumas companhias da ajuda da extensão prevêem e estimam o que está indo acontecer no futuro.

O modelo de Exponential Smoothing

O modelo de Exponential Smoothing (ESM) usa uma média tornada mais pesada de valores passados e atuais, ajustando o peso em valores atuais para esclarecer os efeitos dos balanços nos dados, tais como o seasonality. Usando um termo do alfa (entre 0-1), você pode ajustar a sensibilidade dos efeitos alisando. ESM é usado frequentemente em problemas estatísticos do Forecasting da escala grande, porque é robust e fácil se aplicar.

ESM é um esquema popular para criar uma série de tempo alisada. Visto que em Single Moving Averages as observações passadas são tornadas mais pesadas ingualmente, Exponential Smoothing atribui pesos exponencial diminuindo se a observação começar mais velha. Em outras palavras: as observações recentes são dadas mais peso no forecasting do que as observações mais velhas.

No exemplo de médias moventes, os pesos atribuídos às observações estão os mesmos e são iguais a 1/N. Em Exponential Smoothing, entretanto, há um ou mais que alisam os parâmetros que devem ser determinados ou estimado. Estas escolhas determinam os pesos atribuídos às observações.