Экспоненциальное сглаживание

Cтраница 1

Экспоненциальное сглаживание иногда оказывается полезным для оценки тенденций в области предпринимательской деятельности, а в некоторых случаях оно может оказаться предпочтительным и при оценке тенденций технических параметров. [1]

Экспоненциальное сглаживание временных рядов - модификация метода наименьших квадратов для анализа временных рядов, при котором более поздним наблюдениям придается больший вес, иными словами, веса точек ряда убывают ( экспоненциальный закон) по мере удаления в прошлое. [2]

Метод экспоненциального сглаживания дает более точное приближение к исходному ряду, улавливая колебания цен. На рис. 9.4 приведены графики исходного и сглаженного ряда с помощью экспоненциального сглаживания. Динамическим рядам цен акций ( как и ряду других фондовых инструментов) присущ ряд особенностей, которые могут определять специфику их анализа. В этой ситуации возможно использование аналитической аппроксимации. Для оценки параметров уравнения, максимально точно описывающего динамику цен акций, используется метод наименьших квадратов, суть которого состоит в том, что подбирается такая аппроксимирующая кривая, при которой достигается минимум квадратов отклонений исходного ряда от теоретической кривой. [3]

График скользящего среднего сальдо счета 051. [4]

Метод экспоненциального сглаживания предполагает, что последние значения временного ряда более значимы для прогноза. [5]

Метод экспоненциального сглаживания свободен от указанных недостатков. [6]

Метод экспоненциального сглаживания - выявление направления тенденции прошлого периода и пролонгирование ее в будущее. [7]

При экспоненциальном сглаживании вводится коэффициент сглаживания а, придающий больший вес последним данным, характеризующим, например, темп расхода ресурсов. [8]

Достоинство модели экспоненциального сглаживания состоит в том, что ( в ней придается более высокий вес поздней информации и относительно просто оцениваются значения коэффициентов даже в достаточно сложных случаях, например, при описании сезонных циклов. Уточнение прогноза при экспоненциальном сглаживании производится по принципу обратной связи - новые прогнозы корректируются на основе учета ошибок в предшествующих прогнозах. [9]

Основная теорема экспоненциального сглаживания позволяет получить оценки п 1 коэффициентов ( производных) в полиномиальной модели n - го порядка как линейную комбинацию результатов первых гс 1 порядков сглаживания. [10]

На примере экспоненциального сглаживания хорошо видно влияние характера функции веса на реакцию ДСУ к маневру цели. По мере старения данных их влияние на выработанное значение параметра движения сильно уменьшается. Все это и приводит к тому, что чувствительность экспоненциального метода сглаживания к маневру цели выше, чем у метода конечных разностей, для - которого характерно одинаковое влияние всех значений усредняемой величины на интервале сглаживания. [11]

Превосходство методов экспоненциального сглаживания над традиционными методами скользящего среднего косвенно подтверждается и тем фактом, что на сегодняшний день эти методы входят в систему математического обеспечения ЭВМ большинства промышленных предприятий. [12]

Коэффициент эффективности фильтра экспоненциального сглаживания при а 0 2 определяется следующим образом. [13]

Практика прогнозирования методом экспоненциального сглаживания свидетельствует о том, что в промышленных условиях почти всегда можно ограничиваться тремя членами ряда. [14]

Чем отличается метод простого экспоненциального сглаживания от метода скользящего среднего. [15]

Страницы: 1 2 3 4