Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Előrejelzés m periódusra előre:
F t+m =(S t +mA t)D t-L+m
A módszer megegyezik Winters eljárásával. aki az additív trendet (At) bt - vel jelölte és a szezonalitás
Dt jelölése helyett az It jelölést alkalmazta.
A hetedik módszer: szezonalitás nincs, trend multiplikatív:
S t = αX t-1+(1- α)St-1B
t-1
B t = γ(S t/S t-1) + (1- γ)B
t-1
A prognózis m periódusra előre:
m
F t+m =StB t
A nyolcadik módszer: szezonalitás additív, trend multiplikatív:
S t = α(Xt - C t-L) + (1- α)St-1B
t-1
B t = γ(S t/S t-1) + (1- γ)B
t-1
C =δ ( X -S ) + (1 −δ)C
t t t
t-L
Előrejelzés m periódusra előre:
m
F t+m =StB t +C t-L+m
A kilencedik módszer (t=9) szezonalitás multiplikatív, trend multiplikatív:
S t = α(X t/D t-L) + (1- α)StB
t-1
B t = γ(S t/S t-1) + (1- γ)B
t-1
D t = θ(X t/S t) + (1- θ)D
t-L
A prognózis m periódusra előre:
m
F t+m =StDt-L+mB t
Ezzel a trend és szezonalitás típusok szerint különböző simítási módszereket áttekintettük.
A tizedik módszer: Adaptív Reagálású Egyszerű Exponenciális Simítási Módszer (ARRSES 124 ).
Ennél a módszernél α értéke változik periódusról peridusra, amint az adatséma [minta, pattern] változik.
t
A módszer alapegyenlete:
F t+1 = αtX t + (1- αt)F
t
Ahol:
E
t
α t+1=
Mt
E=βe t t+(1-β)Et-1 M=βe +(1-β)M
e=X-F
t t t-1
t t t
124 Adaptive-response-rate single exponential smoothing: ARRSES.
95