Single Exponential Smoothing, afgekort SES, ook wel Simple Exponential Smoothing genoemd, is een tijdreeksvoorspellingsmethode voor univariate gegevens zonder trend of seizoensgebondenheid. Het vereist een enkele parameter, alfa (a) genaamd, ook wel de afvlakkingsfactor of afvlakkingscoëfficiënt genoemd.
Hoe analyseer je exponentiële afvlakking?
Interpreteer de belangrijkste resultaten voor Single Exponential Smoothing
- Stap 1: Bepaal of het model bij uw gegevens past.
- Stap 2: Vergelijk de pasvorm van uw model met andere modellen.
- Stap 3: Bepaal of de voorspellingen juist zijn.
Hoe kies je Alpha voor exponentiële afvlakking?
We kiezen de beste waarde voor \alpha, dus de waarde die resulteert in de kleinste MSE. De som van de gekwadrateerde fouten (SSE)=208,94. Het gemiddelde van de gekwadrateerde fouten (MSE) is de SSE /11=19,0. De MSE werd opnieuw berekend voor \alpha=0.5 en bleek 16.29 te zijn, dus in dit geval zouden we liever een \alpha van 0.5. hebben
Wanneer zou u exponentiële afvlakking gebruiken?
Exponentiële afvlakking is een manier om gegevens voor presentaties glad te strijken of om voorspellingen te doen. Het wordt meestal gebruikt voor financiën en economie. Als u een tijdreeks heeft met een duidelijk patroon, kunt u voortschrijdende gemiddelden gebruiken, maar als u geen duidelijk patroon heeft, kunt u exponentiële afvlakking gebruiken om te voorspellen.
Hoe bereken je eenvoudige exponentiële afvlakking?
De exponentiële afvlakkingsberekening is als volgt: De vraag van de meest recente periode vermenigvuldigd met de afvlakkingsfactor. De prognose van de meest recente periode vermenigvuldigd met (één minus de afvlakkingsfactor). S=de afvlakkingsfactor weergegeven in decimale vorm (dus 35% wordt weergegeven als 0,35).