지수 스무딩이란 무엇입니까?
지수 스무딩은 임의의 변화의 영향을 경시하기 위해 일련의 시간 순간 관측에서 데이터를 조작하는 기술입니다.수학적 모델링, 데이터 세트에 대한 수치 시뮬레이션의 생성은 종종 관찰 된 데이터를 둘 이상의 구성 요소의 합으로 취급하며, 그 중 하나는 임의의 오류, 관찰 된 값과 기본 값의 차이입니다.올바르게 적용되면 평활 기술은 임의의 변화의 효과를 최소화하여 기본 현상을보다 쉽게 볼 수 있습니다.데이터 제시와 미래 가치를 예측하는 데있어 이점이 있습니다.그들은 임의의 변동과 관련된 들쭉날쭉 한 기복을 제거하고 데이터가 그래프로 표시 될 때 더 부드러운 선이나 곡선을 남기기 때문에 스무딩 기술이라고합니다.스무딩 기술의 단점은 부적절하게 사용될 때 데이터 내에서 중요한 추세 또는 주기적 변화와 임의의 변동을 부드럽게 할 수 있다는 것입니다. 따라서 그들이 제공하는 모든 예측을 왜곡시킬 수 있다는 것입니다.과거 가치.불행히도, 이것은 또한 데이터 내에서 모든 추세, 변경 또는 사이클을 완전히 모호하게합니다.더 복잡한 평균은 일부가 모호하지는 않지만 여전히 예측 자로 지연되는 경향이 있지만 추세가 변경된 후 여러 관찰이 발생할 때까지 추세의 변화에 대응하지 않고 여전히 지연되는 경향이 있습니다.이것의 예로는 가장 최근의 관측치 만 사용하는 이동 평균 또는 다른 관측치보다 일부 관측치를 평가하는 가중 평균이 포함됩니다.지수 스무딩은 이러한 결함을 개선하려는 시도를 나타냅니다.첫 번째 스무딩 포인트 인 S the 1
는 단순히 첫 번째 관찰 된 데이터 인 O1
와 동일합니다.각각의 후속 지점에 대해, 평활 지점은 이전의 평활화 된 데이터와 현재 관찰 사이의 보간이다 : sn ' ao n + (1-A) s n-1 .상수 A는 스무딩 상수로 알려져 있습니다.그것은 0과 1 사이의 가치가 있으며 원시 데이터에 얼마나 많은 가중치가 부여되는지, 그리고 평활화 된 데이터의 양을 결정합니다.무작위 오차를 최소화하기위한 통계 분석은 일반적으로 주어진 일련의 데이터에 대한 최적 값을 결정합니다. S n 에 대한 재귀 공식이 관찰 된 데이터 측면에서만 다시 작성되면 공식 S n
' ao를 산출합니다.n a + a (1-a) o n-1 + a (1-a) 2 o n-2 +...평활화 된 데이터는 기하학적 시리즈에서 기하 급수적으로 변화하는 가중치를 가진 모든 데이터의 가중 평균임을 밝혀냅니다.이것은 지수 평활 문구의 지수의 원천입니다.A의 값이 하나에 가까울수록 원활한 데이터가 트렌드의 변화에 더 응답 할 수 있지만, 데이터의 임의의 변동이 더 많은 비용을 지불하는 경우 간단한 지수 스무딩의 이점은 즉평활화 된 데이터가 어떻게 변하는 지에 대한 추세가 가능합니다.그러나 데이터에 내재 된 임의의 변동에서 경향의 변화를 분리하는 것은 좋지 않습니다.이러한 이유로, 데이터의 추세 및 주기적 변화를 설명하기 위해 추가 상수 및보다 복잡한 재귀를 도입하여 이중 및 트리플 지수 스무딩도 사용됩니다.트리플 스무딩은 실업 데이터를 네 가지 요인의 합으로 볼 수있게합니다. 데이터 수집의 피할 수없는 임의의 오류, 기본 실업 수준, 많은 산업에 영향을 미치는 주기적 계절 변화 및의 건강을 반영하는 변화하는 추세.경제.스무딩 상수를베이스, 트렌드 및 계절 변화에 할당함으로써 트리플 스무딩은 평신도가 더 쉽게 볼 수 있도록합니다.시간이 지남에 따라 실업률이 다양합니다.다른 상수의 선택은 스무딩 된 데이터의 모양을 바꿀 것이지만, 경제학자들이 때때로 예측에서 크게 다를 수있는 이유 중 하나입니다.데이터를 생성 한 현상.계산은 일반적으로 사용 가능한 사무실 소프트웨어에서 수행 할 수 있으므로 쉽게 사용할 수있는 기술입니다.적절하게 사용하면 데이터를 제시하고 예측을위한 귀중한 도구입니다.부적절하게 수행하면 임의의 변형과 함께 중요한 정보를 잠재적으로 모호하게 할 수 있으므로 매끄러운 데이터로주의를 기울여야합니다.