Mi az exponenciális simítás?
Az exponenciális simítás egy olyan módszer, amellyel a véletlenszerű variáció hatásainak alulértékelésére szolgáló időrendszeri megfigyelések sorozatából származó adatok manipulálására szolgálnak.A matematikai modellezés, az adatkészlet numerikus szimulációjának létrehozása gyakran két vagy több komponens összegeként kezeli a megfigyelt adatokat, amelyek közül az egyik véletlenszerű hiba, a megfigyelt érték és az alapul szolgáló valódi érték közötti különbségek.Megfelelő alkalmazás esetén a simítási technikák minimalizálják a véletlenszerű variáció hatását, megkönnyítve a mögöttes jelenség és mdash;előnye mind az adatok bemutatásának, mind a jövőbeli értékek előrejelzésének elkészítésében.Ezeket simítási technikáknak nevezik, mivel eltávolítják a véletlenszerű variációval járó egyenetlen hullámvölgyeket, és az adatok ábrázolásakor simább vonal vagy görbe hagynak hátra.A simítási technikák hátránya az, hogy ha nem megfelelő módon használják, akkor az adatokon belüli fontos tendenciák vagy ciklikus változások, valamint a véletlenszerű variációk is eltorzíthatók, és ezáltal torzíthatják az általuk kínált előrejelzéseket.múltbeli értékek.Sajnos ez teljesen eltakarja az adatokon belüli tendenciákat, változásokat vagy ciklusokat.A bonyolultabb átlagok kiküszöbölik néhányat, de nem mindegyiket, és továbbra is hajlamosak elmaradni, mint előrejelzők, nem válaszolnak a trendek változásaira, amíg a tendencia megváltozása után több megfigyelés.Erre példa lehet egy mozgó átlag, amely csak a legfrissebb megfigyeléseket vagy egy súlyozott átlagot használja, amely néhány megfigyelést jobban értékel, mint mások.Az exponenciális simítás azt a kísérletet jelent, hogy javítsák ezeket a hibákat.
Az egyszerű exponenciális simítás a legalapvetőbb forma, egy egyszerű rekurzív képlet felhasználásával az adatok átalakításához.S
1, az első simított pont, egyszerűen megegyezik az O 1 , az első megfigyelt adatokkal.Az egyes következő pontok esetében a simított pont az előző simított adatok és az aktuális megfigyelés közötti interpoláció: S n ' ao n + (1-A) S N-1 .Az A -állandó simítási állandónak nevezik;A nulla és az egyik között értékelik, és meghatározza, hogy mekkora súlyt kapnak a nyers adatoknak, és mennyi a simított adatokhoz.Statisztikai elemzés A véletlenszerű hiba minimalizálása érdekében általában meghatározza az adott adatsorozat optimális értékét. n + a (1-a) o
n-1+ a (1-a) 2 o n-2 +.--Megtadva, hogy a simított adatok az összes adat súlyozott átlaga, amelynek súlya exponenciálisan változik egy geometriai sorozatban.Ez az exponenciális forrás az exponenciális simítás kifejezésben.Minél közelebb van az A értéke, annál jobban reagál a trend változásaira a simított adatok, de az adatok véletlenszerű variációjának is alávetve az egyszerű exponenciális simítás előnyeit.Ez lehetővé teszi a tendenciát a simított adatok változása során.Ez azonban rosszul teszi a tendencia változásainak elválasztását az adatokhoz kapcsolódó véletlenszerű variációktól.Ezért kettős és hármas exponenciális simítást is használnak, további állandók bevezetésével és bonyolultabb rekurzióival az adatok tendenciájának és ciklikus változásának figyelembevétele érdekében. A munkanélküliségi adatok kiváló példa az adatokra, amelyek a hármas exponenciális simításból származnak.A hármas simítás lehetővé teszi a munkanélküliségi adatok négy tényező összegének tekinthető: az adatok gyűjtésének elkerülhetetlen véletlenszerű hibája, a munkanélküliség alapszintje, a sok iparágot érintő ciklikus szezonális variáció, és a változó trend, amely tükrözi agazdaság.Azáltal, hogy simító állandókat hozzárendel az alaphoz, a trendhez és a szezonális variációhoz, a hármas simítás megkönnyíti a laikusok látásátHogyan változik a munkanélküliség az idő múlásával.A különböző állandók megválasztása megváltoztatja a simított adatok megjelenését, ami az egyik oka annak, hogy a közgazdászok néha különböznek az előrejelzéseikben.
jelenség, amely az adatokat generálta.A számításokat a leggyakrabban elérhető irodai szoftvereken lehet végrehajtani, tehát ez egy könnyen elérhető technika is.Megfelelően használt, felbecsülhetetlen értékű eszköz az adatok bemutatására és az előrejelzések készítésére.Nem megfelelő módon elvégzi a fontos információkat a véletlenszerű variációkkal együtt, ezért a simított adatokkal óvatosan kell eljárni.