Exponential Smoothing[指数平滑法]

知识中心

   

大规模统计预测。 Exponential Smoothing[指数平滑法]解析。

目录

高级帐户

没有人能够真正看到未来, 但是,现代统计方法、计量经济模型以及Business Intelligence[商业智能]软件却可以在一定程度上帮助企业预测未来。


指数平滑模型(ESM

指数平滑模型(ESM)通过对过去值和当前值进行加权平均、以及对当前前的权数进行调整以前抵消统计数值的摇摆影响(如季节性变化)。 通过选取不同的Alpha值(0-1之间),即可以消除数值的季节敏感性。 因为ESM便于操作,也很强大,所以它通常被应用于大型的统计预测项目。


ESM产生一个平滑的时间序列。 在单一移动平均数的情况下,过去观测值被赋予相等的权重,当观测值变得陈旧,其权重也逐渐减少。 换句话说, 在预测过程中,新值较之旧值被赋予更多的权重。

在移动平均数的情况下,观测值的权重相等,为1/N 但是,需要注意的是,运用ESM涉及到一个或多个平滑参数,对它们要有准确的估计, 它们对观测值的权重会产生影响。


指数平滑法 小组


小组 (1名成员)


指数平滑法论坛  

最近的话题



最佳实践 - 指数平滑法

Expert Tips (ENG) - Exponential Smoothing



你开发自己的关于企业管理和管理知识



相关资料 - 指数平滑法
 

新闻关于指数 平滑


     
 

新闻关于统计 分析


     
 

视频关于指数 平滑


     
 

视频关于统计 分析


     
 

简报关于指数 平滑


     
 

简报关于统计 分析


     
 

更多关于指数 平滑


     
 

更多关于统计 分析


     



提升你的管理事业



比较: Regression Analysis[回归分析]  |  Dynamic Regression[动态回归]  |  ARIMA[自回归整合移动平均模型]  |  Operations Research[运筹学]  |  Game Theory[博奕论]  |  Business Intelligence[商业智能]  |  Analytical CRM[分析型顾客关系管理]


返回到分类主页: 金融与投资  |  营销


更多管理方法、模型和理论

Special Interest Group Leader

















关于12manage | 广告服务 | 链接到我们/引用我们 | 隐私 | 建议 | 服务条款
© 2018 12manage - The Executive Fast Track. V14.1 - 最后更新:20-10-2018。所有名称™它们的主人的。