Le lissage exponentiel simple, SES en abrégé, également appelé lissage exponentiel simple, est une méthode de prévision de séries chronologiques pour les données univariées sans tendance ni saisonnalité. Il nécessite un seul paramètre, appelé alpha (a), également appelé facteur de lissage ou coefficient de lissage.
Comment analysez-vous le lissage exponentiel ?
Interpréter les résultats clés pour le lissage exponentiel simple
- Étape 1: déterminez si le modèle correspond à vos données.
- Étape 2: Comparez l'ajustement de votre modèle à d'autres modèles.
- Étape 3: Déterminez si les prévisions sont exactes.
Comment choisir Alpha pour le lissage exponentiel ?
Nous choisissons la meilleure valeur pour \alpha donc la valeur qui donne le plus petit MSE. La somme des erreurs quadratiques (SSE)=208,94. La moyenne des erreurs quadratiques (MSE) est la SSE /11=19,0. Le MSE a de nouveau été calculé pour \alpha=0,5 et s'est avéré être de 16,29, donc dans ce cas, nous préférerions un \alpha de 0,5.
Quand utiliseriez-vous le lissage exponentiel ?
Le lissage exponentiel est un moyen de lisser les données pour les présentations ou de faire des prévisions. Il est généralement utilisé pour la finance et l'économie. Si vous avez une série chronologique avec un modèle clair, vous pouvez utiliser des moyennes mobiles - mais si vous n'avez pas de modèle clair, vous pouvez utiliser le lissage exponentiel pour prévoir.
Comment calcule-t-on le lissage exponentiel simple ?
Le calcul du lissage exponentiel est le suivant: La demande de la période la plus récente multipliée par le facteur de lissage. La prévision de la période la plus récente multipliée par (un moins le facteur de lissage). S=le facteur de lissage représenté sous forme décimale (donc 35 % serait représenté par 0,35).
