지수평활법 (Exponential Smoothing)

지식 센터

누구든 미래를 볼 수는 없다. 그러나 현대적 통계 방법들, 수리경제학 모델들 및 Business Intelligence [BI, 비즈니스 인텔리전스] 소프트웨어는 사실 기업이 미래에 발생할 것을 어느정도는 예측하고 추정하는데 도움을 줄 수 있다.

지수평활법 모델(ESM)

지수평활법 모델은 과거와 현재 자료값의 가중평균을 사용한다. 그리고 계절성(seasonality)과 같은 자료에 특별한(swing) 효과를 나타내는 최근자료값에 가중치를 부여한다. 알파 기간 사용하여 (0-1 사이), 평활효과(smoothing effects)의 감도를 조정할 수 있다. ESM은 확실하고 적용하기 쉽기 때문에, 대규모 통계예측 문제에 사용되고 한다.

ESM는 조정된 시계열을 만드는데 인기있는 도구이다. 단일이동평균에서 과거의 관찰치에 동일한 가중치가 주어진 것과 달리, 지수평활법은 관찰치가 오래될수록 가중치가 줄어들게 된다. 다시 말하면 예측시 과거의 관찰치보다 최근의 관찰치에 더 많은 가중치가 주어진다.

이동 평균의 경우에, 관찰치에 부여되는 가중치는 같거나 1/과 동일하다. 그러나 지수평활법에서는 반드시 결정되어야 하거나 추정되어야하는 평활변수(smoothing parameters)가 하나 이상 있다. 이 중 하나의 변수를 선택하면 관찰치에 부여될 가중치가 결정된다.

포럼 다음에 대한 포럼 토론: 지수평활법. 아래에서 이 주제에 대해 질문하거나 경험을 공유하거나 새로운 개발을 보고하거나 무언가를 설명할 수 있습니다.     에 대한 지수평활법 여기에서 지식을 공유하세요(또는 질문하세요)

정보 출처 지수평활법 에 대한 다양한 정보 출처. 여기에서 자신의 강의 및 워크샵에 사용할 파워 포인트, 비디오, 뉴스 등을 찾을 수 있습니다. 4 Exponential Smoothing Method Variants When to use What Formula? Examples. PROs and CONs. This presentation gives a detailed outline of various exponential smoothing methods. After an introduction into Exponent...

추가 연구 링크 지수평활법다음과 관련된 다른 유용한 소스로 자동으로 이동합니다 . 뉴스 영화 프리젠 테이션   서적 플라톤 학파 사람들 더

관련 개념 : Regression Analysis [회귀 분석]  |  Dynamic Regression [동태적 회귀분석]  |  ARIMA 모형  |  Operations Research [OR, 오퍼레이션 리서치]  |  게임 이론   |  Business Intelligence [BI, 비즈니스 인텔리전스]  |  분석 CRM

다른 페이지로 이동: 재무와 투자  |  마케팅 및 영업

관리 방법, 모형 및 이론 더