घातीय चौरसाई पूर्वानुमान कैलकुलेटर
सराय: आप किसी दिए गए टाइम्स सीरीज़ डेटा सेट के लिए इस एक्सपोनेंशियल स्मूथिंग फोरकास्ट कैलकुलेटर का उपयोग कर सकते हैं, डेटा का एक सेट प्रदान करके और निरंतर चौरसाई कर सकते हैं।इसके अलावा, आप इंगित कर सकते हैं कि डेटा अवधि महीने हैं या नहीं, और आप वैकल्पिक रूप से नीचे दिए गए फॉर्म में समय अवधि के लिए अपने स्वयं के कस्टम नाम लिख सकते हैं:
घातीय चौरसाई कैलकुलेटर
के बारे में अधिक तंग तो आप इस सॉल्वर द्वारा प्रदान किए जाने वाले परिणाम की बेहतर समझ प्राप्त कर सकते हैं।पूर्वानुमान बनाने के लिए घातीय चौरसाई के पीछे के विचार में पिछले डेटा मूल्य के साथ -साथ पिछले पूर्वानुमान के आधार पर कुछ अवधि के डेटा मूल्य का अनुमान लगाना होता है, ताकि पिछले वास्तविक मूल्य और भविष्यवाणी के बीच विचलन के लिए सही करने का प्रयास किया जा सके।
निम्न सूत्र का उपयोग अवधि के दौरान डेटा मान का अनुमान लगाने के लिए किया जाता है \(n\)
\[ \text{Forecast during period n} = F_n = F_{n-1} + \alpha (A_{n-1} - F_{n-1}) \]पूर्वानुमान की घातीय चौरसाई विधि एक समय श्रृंखला डेटा सेट के आधार पर पूर्वानुमान बनाने के लिए एक आमतौर पर उपयोग की जाने वाली विधि है।अन्य सामान्य तरीके हैं भोली पूर्वानुमान विधि , भारित चलती औसत , चलती औसत पूर्वानुमान विधि , and the linear trend forecasting method, just to mention a few.
रैखिक प्रतिगमन एक पूर्वानुमान विधि है
हाँ, यह है, लेकिन यह एक बल्कि सरल है क्योंकि यह केवल एक समय श्रृंखला के ट्रेंड घटक का उपयोग करता है, और आप संभावित रूप से दूसरों को पा सकते हैं, जिसमें चक्रीय और मौसमी भी शामिल है।आप इसका उपयोग कर सकते हैं रेखीय प्रतिगमन कैलकुलेटर रैखिक प्रवृत्ति का उपयोग करके भविष्यवाणियां करने के लिए।
क्या घातीय चौरसाई में एक प्रवृत्ति शामिल है?
ध्यान दें कि यह एक कैलकुलेटर कोई ट्रेंड घटक नहीं मानता है।यदि आप गणना करना चाहते हैं तो इस कैलकुलेटर का उपयोग करें प्रवृत्ति घटक के साथ घातीय चौरसाई , अधिक सटीक भविष्यवाणी के लिए।