у якому середнє згладжене значення є комбінацією всіх попередніх рівнів ряду. Величина у0 характеризує початкові умови процесу. Склавши у формулі (14.10) усі члени, що містять параметр а, одержимо:
де / - число періодів відставання від моменту £.
Відповідно до формули (14.11) відносна вага кожного попереднього рівня знижується за експонентою в міру його віддалення від моменту, для якого обчислюється згладжене значення. Звідси і виникла назва цього методу згладжування.
Послідовне застосування формули (14.10) дає можливість обчислити експоненціальну середню через значення всіх рівнів даного ряду динаміки. Крім того, вона визначає експоненціальні середні першого порядку, тобто середні, отримані безпосередньо при згладжуванні вихідних даних ряду динаміки. У тих випадках, коли тенденція після згладжування вихідного ряду визначена недостатньо чітко, процедуру згладжування повторюють, тобто обчислюють експоненціальні середні 2-го, 3-го і наступних порядків, користуючись такими виразами:
При практичному використанні методу експоненціального згладжування виникають деякі труднощі. Основними є вибір значення константи а і визначення початкової умови у0. Від чисельного значення параметра а залежить, наскільки швидко буде зменшуватися вага попередніх спостережень і відповідно до цього ступінь їхнього впливу на рівень, що згладжується. Чим більше значення параметра а, тим менше впливають попередні рівні і відповідно меншим виявляється вплив експоненціальної середньої. Пошук компромісного значення параметра згладжування становить задачу оптимізації моделі, що дотепер до кінця ще не вирішена.
Автор методу експоненціального згладжування, англійський учений Р.Г. Браун, запропонував таку формулу розрахунку а:
де г - число рівнів, що входять в інтервал згладжування.
Величина г визначається в цьому випадку емпірично.
Пошук оптимального значення параметра згладжування адаптивних поліномінальних моделей може здійснюватися також шляхом перебирання різних його значень. У цьому випадку оптимальним буде те значення а, при якому отримана найменша дисперсія помилки прогнозування, обчислена або при реалізації процедури згладжування всього ряду динаміки, або на не використаному в розрахунках відрізка ряду, який спеціально залишений для перевірки якості прогнозних моделей.
Завдання вибору параметра у0, що визначає початкові умови, пропонується вирішувати в такий спосіб:
• o якщо є дані про розвиток явища в минулому, то замість у0 можна використовувати середню арифметичну всіх наявних рівнів ряду динаміки або якоїсь їхньої частини;
• o якщо відомостей про розвиток явища в минулому немає, то замість у0 використовують вихідне (перше) значення рівня ряду Динаміки у. або спеціальні формули Брауна.
Для лінійної моделі початкові умови визначаються так:
Для визначення значень коефіцієнтів а0 й ах необхідно розрахувати коефіцієнти рівняння тренду, отримані методом найменших квадратів.
Потім здійснюється розрахунок експоненціальних середніх першого і другого порядків за формулами (14.12), (14.13).
Прогноз у випадку лінійного тренду обчислюється за формулою
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Моделі і методи прийняття рішень в аналізі та аудиті» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Методи екстраполяції“ на сторінці 6. Приємного читання.
