Pelicinan Eksponen Tunggal, singkatannya SES, juga dipanggil Pelicinan Eksponen Mudah, ialah kaedah ramalan siri masa untuk data univariate tanpa arah aliran atau bermusim. Ia memerlukan satu parameter, dipanggil alpha (a), juga dipanggil faktor pelicinan atau pekali pelicinan.
Bagaimanakah anda menganalisis pelicinan eksponen?
Terjemahkan hasil utama untuk Pelicinan Eksponen Tunggal
- Langkah 1: Tentukan sama ada model itu sesuai dengan data anda.
- Langkah 2: Bandingkan kesesuaian model anda dengan model lain.
- Langkah 3: Tentukan sama ada ramalan adalah tepat.
Bagaimanakah anda memilih Alpha untuk pelicinan eksponen?
Kami memilih nilai terbaik untuk \alpha jadi nilai yang menghasilkan MSE terkecil. Jumlah ralat kuasa dua (SSE)=208.94. Purata ralat kuasa dua (MSE) ialah SSE /11=19.0. MSE sekali lagi dikira untuk \alpha=0.5 dan ternyata menjadi 16.29, jadi dalam kes ini kami lebih suka \alpha 0.5.
Bilakah anda akan menggunakan pelicinan eksponen?
Pelicinan eksponen ialah cara untuk melicinkan data untuk pembentangan atau membuat ramalan. Ia biasanya digunakan untuk kewangan dan ekonomi. Jika anda mempunyai siri masa dengan corak yang jelas, anda boleh menggunakan purata bergerak - tetapi jika anda tidak mempunyai corak yang jelas, anda boleh menggunakan pelicinan eksponen untuk meramalkan.
Bagaimanakah anda mengira pelicinan eksponen mudah?
Pengiraan pelicinan eksponen adalah seperti berikut: Permintaan tempoh terkini didarab dengan faktor pelicinan. Ramalan tempoh terkini didarab dengan (satu tolak faktor pelicinan). S=faktor pelicinan yang diwakili dalam bentuk perpuluhan (jadi 35% akan diwakili sebagai 0.35).
