ट्रेंड एडजस्टमेंट फोरकास्ट कैलकुलेटर के साथ एक्सपोनेंशियल स्मूथिंग
निर्देश: आप डेटा का एक सेट और स्मूथिंग स्थिरांक प्रदान करके किसी निश्चित समय श्रृंखला डेटा सेट के लिए ट्रेंड एडजस्टमेंट फोरकास्ट कैलकुलेटर के साथ इस एक्सपोनेंशियल स्मूथिंग का उपयोग कर सकते हैं। साथ ही, 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:
ट्रेंड-एडजस्टेड एक्सपोनेंशियल स्मूथिंग कैलकुलेटर
के बारे में रुझान समायोजन के साथ घातीय चौरसाई पूर्वानुमान ताकि आप इस कैलकुलेटर द्वारा प्रदान किए गए परिणामों की बेहतर व्याख्या कर सकें। पूर्वानुमान लगाने के लिए ट्रेंड-एडजस्टेड एक्सपोनेंशियल स्मूथिंग के पीछे का विचार पूर्वानुमान के घातीय स्मूथिंग फॉर्म का उपयोग करना है, लेकिन एक प्रवृत्ति (जब यह मौजूद है) के लिए खाते में सुधार के साथ। अन्यथा, जब कोई प्रवृत्ति होती है और घातीय चौरसाई के साथ इसका हिसाब नहीं होता है, तो इसके पूर्वानुमान पीछे रह जाते हैं। दो भागों की प्रवृत्ति-समायोजित एक्सपोनेंशियल स्मूथिंग पूर्वानुमान लागत: घातीय रूप से सुचारू पूर्वानुमान \((F_t)\) और घातीय रूप से सुचारू प्रवृत्ति \((T_t)\)। प्रवृत्ति समायोजित घातीय चौरसाई \((FIT_t)\) के रूप में गणना की जाती है
\[ FIT_t = F_t + T_t \]और घातीय रूप से सुचारू और घातीय रूप से सुचारू प्रवृत्ति भागों की गणना निम्नानुसार की जाती है:
\[ F_t = \alpha A_{t-1} + (1-\alpha) (F_{t-1} + T_{t-1}) \] \[ T_t = \beta (F_t - F_{t-1}) + (1-\beta) T_{t-1} \]जहां \(\alpha\) चौरसाई स्थिरांक है, और \(\beta\) प्रवृत्ति चौरसाई स्थिरांक है।
पूर्वानुमान की ट्रेंड-एडजस्टेड एक्सपोनेंशियल स्मूथिंग विधि एक अधिक परिष्कृत पूर्वानुमान पद्धति है, जिसका उपयोग आमतौर पर तब किया जाता है जब समय श्रृंखला में एक प्रवृत्ति घटक होता है। अन्य सामान्य तरीके हैं अनुभवहीन पूर्वानुमान विधि , NS भारित चलती औसत , चलती औसत पूर्वानुमान विधि , और रैखिक प्रवृत्ति पूर्वानुमान पद्धति, बस कुछ का उल्लेख करने के लिए।