指数スムージングとは何ですか？

指数スムージングは、一連の年代順の観察からデータを操作して、ランダム変動の影響を軽視するための手法です。データセットの数値シミュレーションの作成である数学モデリングは、観察されたデータを2つ以上のコンポーネントの合計として扱います。その1つはランダム誤差、観測値の違いと基礎となる真の値の違いです。適切に適用されると、スムージングテクニックはランダム変動の効果を最小限に抑え、基礎となる現象＆mdashを簡単に見ることができます。データを提示することと、将来の価値の予測の両方における利点。ランダムな変動に関連するギザギザの浮き沈みを除去し、データがグラフ化されたときにより滑らかな線または曲線を残すため、スムージングテクニックと呼ばれます。スムージング技術の欠点は、不適切に使用されると、データ内の重要な傾向や周期的な変化をランダムバリエーションと滑らかにすることも、それによって提供される予測を歪めることです。過去の値。残念ながら、これはデータ内のトレンド、変更、またはサイクルを完全に曖昧にします。より複雑な平均は、このすべてを曖昧にしているものではなく、いくつかを排除し、まだ予測者として遅れる傾向があります。この例には、最新の観測値のみを使用する移動平均または他の観測値よりも一部の観測値を大切にする加重平均が含まれます。指数スムージングは、これらの欠陥を改善する試みを表します。最初の滑らかな点であるs

1

は、最初に観察されたデータであるo

1

に等しくなります。後続の各点について、平滑化されたポイントは、以前の平滑化されたデータと現在の観察結果との間の補間です：s_n' ao_n +（1-a）s_n-1。定数Aは、平滑化定数として知られています。それはゼロと1つの間で評価され、生データにどれだけの重みが与えられるか、および平滑化されたデータにどれだけの重量が与えられるかを決定します。ランダムエラーを最小化するための統計分析一般に、特定の一連のデータの最適値が決定されます。_n + a（1-a）o_n-1 + a（1-a）

2。。滑らかなデータは、すべてのデータの加重平均であり、幾何学的なシリーズで指数関数的に重みが異なることを明らかにしています。これは、指数スムージングフレーズの指数のソースです。Aの値が1つに近いほど、スムーズなデータがトレンドの変化に応答しますが、データのランダムな変動の対象となることも犠牲になります。これにより、平滑化されたデータがどのように変化しているかの傾向が可能になります。ただし、データに固有のランダムなバリエーションから傾向の変化を分離するのは不十分です。そのため、データの傾向と周期的な変化を説明するために、ダブルおよびトリプルの指数スムージングも使用され、追加の定数とより複雑な再帰が導入されます。トリプルスムージングにより、失業データを4つの要因の合計と見なすことができます。データの収集における避けられないランダムエラー、失業率の基本レベル、多くの産業に影響を与える周期的な季節変動、および変化する傾向は、変化する傾向です。経済。スムージング定数をベース、トレンド、季節変動に割り当てることにより、トリプルスムージングにより、素人が見やすくなります失業率は時間の経過とともにどのように変化しますか。異なる定数の選択は、スムーズなデータの外観を変えますが、これは経済学者が予測で大きく異なることがある理由の1つです。データを生成した現象。計算は、一般的に利用可能なオフィスソフトウェアで実行できるため、簡単に利用できる手法でもあります。適切に使用されており、データを提示し、予測を行うための貴重なツールです。不適切に実行されると、ランダムなバリエーションとともに重要な情報が不明瞭になる可能性があるため、平滑化されたデータでは注意する必要があります。