การปรับให้เรียบแบบเอ็กซ์โปเนนเชียลคืออะไร?
การปรับให้เรียบแบบเอ็กซ์โปเนนเชียลเป็นเทคนิคในการจัดการข้อมูลจากชุดของการสังเกตตามลำดับเวลาเพื่อลดผลกระทบของการเปลี่ยนแปลงแบบสุ่มการสร้างแบบจำลองทางคณิตศาสตร์การสร้างการจำลองเชิงตัวเลขสำหรับชุดข้อมูลมักจะปฏิบัติต่อข้อมูลที่สังเกตได้ว่าเป็นผลรวมของสองส่วนขึ้นไปซึ่งหนึ่งในนั้นคือข้อผิดพลาดแบบสุ่มความแตกต่างระหว่างค่าที่สังเกตและค่าที่แท้จริงเมื่อนำไปใช้อย่างเหมาะสมเทคนิคการปรับให้เรียบช่วยลดผลกระทบของการเปลี่ยนแปลงแบบสุ่มทำให้ง่ายต่อการเห็นปรากฏการณ์พื้นฐาน mdash;ประโยชน์ทั้งในการนำเสนอข้อมูลและในการคาดการณ์ค่าในอนาคตพวกเขาถูกเรียกว่าเทคนิคการปรับให้เรียบเนื่องจากพวกเขาลบ ups ups ที่ขรุขระที่เกี่ยวข้องกับการเปลี่ยนแปลงแบบสุ่มและทิ้งไว้ข้างหลังเส้นหรือเส้นโค้งที่ราบรื่นขึ้นเมื่อข้อมูลถูกกราฟข้อเสียของเทคนิคการปรับให้เรียบคือเมื่อใช้อย่างไม่เหมาะสมพวกเขายังสามารถทำให้แนวโน้มที่สำคัญหรือการเปลี่ยนแปลงของวัฏจักรภายในข้อมูลรวมถึงการเปลี่ยนแปลงแบบสุ่มและทำให้การคาดการณ์ใด ๆ ที่พวกเขานำเสนอค่าที่ผ่านมาน่าเสียดายที่สิ่งนี้ยังบดบังแนวโน้มการเปลี่ยนแปลงหรือวัฏจักรภายในข้อมูลอย่างสมบูรณ์ค่าเฉลี่ยที่ซับซ้อนมากขึ้นกำจัดบางส่วน แต่ไม่ใช่ทั้งหมดที่คลุมเครือนี้และยังคงมีแนวโน้มที่จะล่าช้าในฐานะนักพยากรณ์ไม่ตอบสนองต่อการเปลี่ยนแปลงของแนวโน้มจนกว่าการสังเกตหลายครั้งหลังจากแนวโน้มเปลี่ยนไปตัวอย่างของสิ่งนี้รวมถึงค่าเฉลี่ยเคลื่อนที่ที่ใช้การสังเกตล่าสุดหรือค่าเฉลี่ยถ่วงน้ำหนักที่ให้คุณค่ากับการสังเกตบางอย่างมากกว่าคนอื่น ๆการปรับให้เรียบแบบเอ็กซ์โปเนนเชียลหมายถึงความพยายามที่จะปรับปรุงข้อบกพร่องเหล่านี้
การปรับให้เรียบแบบเอ็กซ์โปเนนเชียลแบบง่ายเป็นรูปแบบพื้นฐานที่สุดโดยใช้สูตรเรียกซ้ำแบบง่าย ๆ เพื่อแปลงข้อมูลS
1จุดที่ราบเรียบแรกนั้นเท่ากับ O 1 ข้อมูลแรกที่สังเกตได้สำหรับแต่ละจุดที่ตามมาจุดที่ราบรื่นคือการแก้ไขระหว่างข้อมูลที่ราบรื่นก่อนหน้าและการสังเกตในปัจจุบัน: S n ' AO n + (1-A) S N-1 ค่าคงที่ A เรียกว่าค่าคงที่การปรับให้เรียบมันมีมูลค่าระหว่างศูนย์และหนึ่งและกำหนดจำนวนน้ำหนักที่ให้กับข้อมูลดิบและจำนวนข้อมูลที่ราบรื่นการวิเคราะห์ทางสถิติเพื่อลดข้อผิดพลาดแบบสุ่มโดยทั่วไปจะกำหนดค่าที่เหมาะสมที่สุดสำหรับชุดข้อมูลที่กำหนดหากสูตรเรียกซ้ำสำหรับ S
nจะถูกเขียนใหม่ในแง่ของข้อมูลที่สังเกตได้ n + a (1-a) o n-1 + a (1-a) 2 o n-2 +..การเปิดเผยว่าข้อมูลที่ราบรื่นเป็นค่าเฉลี่ยถ่วงน้ำหนักของข้อมูลทั้งหมดที่มีน้ำหนักแตกต่างกันอย่างทวีคูณในชุดเรขาคณิตนี่คือแหล่งที่มาของเอ็กซ์โปเนนเชียลในวลีแบบเอ็กซ์โปเนนเชียลที่ราบรื่นยิ่งมูลค่าของ A ใกล้ชิดมากเท่าใดก็ยิ่งตอบสนองต่อการเปลี่ยนแปลงของแนวโน้มข้อมูลที่ราบรื่นมากขึ้น แต่ค่าใช้จ่ายของการเปลี่ยนแปลงแบบสุ่มในข้อมูลมากขึ้นประโยชน์ของการปรับให้เรียบแบบง่ายคือช่วยให้มีแนวโน้มในการเปลี่ยนแปลงข้อมูลที่ราบรื่นอย่างไรก็ตามมันไม่ดีในการแยกการเปลี่ยนแปลงของแนวโน้มจากการเปลี่ยนแปลงแบบสุ่มที่มีอยู่ในข้อมูลด้วยเหตุผลดังกล่าวจึงมีการใช้การปรับให้เรียบแบบสองเท่าและสามครั้งด้วยการแนะนำค่าคงที่เพิ่มเติมและการเรียกซ้ำที่ซับซ้อนมากขึ้นเพื่ออธิบายถึงแนวโน้มและการเปลี่ยนแปลงของวัฏจักรในข้อมูลข้อมูลการว่างงานเป็นตัวอย่างที่ยอดเยี่ยมของข้อมูลที่ได้รับประโยชน์จากการปรับให้เรียบแบบสามเท่าการปรับให้เรียบสามครั้งช่วยให้ข้อมูลการว่างงานสามารถดูได้เป็นผลรวมของปัจจัยสี่ประการ: ข้อผิดพลาดแบบสุ่มที่หลีกเลี่ยงไม่ได้ในการรวบรวมข้อมูลระดับพื้นฐานของการว่างงานการเปลี่ยนแปลงตามฤดูกาลของวัฏจักรที่ส่งผลกระทบต่ออุตสาหกรรมจำนวนมากและแนวโน้มการเปลี่ยนแปลงที่สะท้อนสุขภาพของสุขภาพเศรษฐกิจ.ด้วยการกำหนดค่าคงที่ให้เรียบลงกับฐานแนวโน้มและการเปลี่ยนแปลงตามฤดูกาลการว่างงานแตกต่างกันอย่างไรเมื่อเวลาผ่านไปทางเลือกของค่าคงที่ที่แตกต่างกันจะเปลี่ยนการปรากฏตัวของข้อมูลที่ราบรื่นซึ่งเป็นหนึ่งในเหตุผลที่นักเศรษฐศาสตร์สามารถแตกต่างกันอย่างมากในการคาดการณ์ของพวกเขาปรากฏการณ์ที่สร้างข้อมูลการคำนวณสามารถทำได้บนซอฟต์แวร์สำนักงานที่มีอยู่ทั่วไปดังนั้นจึงเป็นเทคนิคที่ใช้งานได้ง่ายใช้อย่างถูกต้องมันเป็นเครื่องมือที่มีค่าสำหรับการนำเสนอข้อมูลและสำหรับการทำนายดำเนินการไม่ถูกต้องอาจปิดบังข้อมูลที่สำคัญพร้อมกับการเปลี่ยนแปลงแบบสุ่มดังนั้นควรใช้ความระมัดระวังด้วยข้อมูลที่ราบรื่น