Suavização Exponencial Tripla

Descrição e exemplos de suavização exponencial tripla

Esta página existe graças aos esforços das seguintes pessoas:

Timur

Timur

Julia Gomes

Criado: 2021-07-03 22:20:26, Ultima atualização: 2021-07-03 22:20:26
Creative Commons Attribution/Share-Alike License 3.0 (Unported)

Este conteúdo é licenciado de acordo com a Licença Creative Commons de Atribuição/CompartilhaIgual 3.0 (Unported). Isso significa que você pode redistribuir ou modificar livremente este conteúdo sob as mesmas condições de licença e precisa atribuir ao autor original colocando um hyperlink para este trabalho no seu site. Além disto, favor não modificar qualquer referência ao trabalho original (caso houver) que estiverem contidas neste conteúdo.

Então, chegamos na suavização exponencial tripla.

Para aqueles que não sabiam - pode ser simples a Suavização exponencial, existe também a Suavização exponencial dupla, e agora deixe-me apresentar a você a Suavização exponencial tripla.

Um pouco de história primeiro.
A suavização exponencial foi proposta pela primeira vez em 1957 por C. C. Holt e designada a séries temporais não recorrentes (sem sazonalidade) que não mostram tendências.

Em 1958, ele também propôs uma modificação desse método, que leva em consideração a tendência - suavização exponencial dupla.

Em 1965, Winters generalizou esse método para um método ajustado sazonalmente. Dessa forma, o método de suavização exponencial tripla também é chamado de Holt-Winters (método de Holt-Winters).

Visto que eu já fiz todo tipo de introdução em artigos anteriores, vamos direto às fórmulas.

Suavização exponencial tripla:

Equação geral:

S_t = \alpha \frac{y_t}{I_{t-L}} + (1-\alpha)(S_{t-1}+b_{t-1}),

Suavização de tendência

b_t = \gamma (S_t - S_{t-1}) + (1-\gamma)b_{t-1},

Suavização de sazonalidade

I_t = \beta \frac{y_t}{S_t} + (1-\beta)I_{t-L},

Predição

F_{t+m} = (S_t + mb_t)I_{t-L+m}

onde,

\alpha, \beta, \gamma obtém o valor do intervalo [0;1]
y - observação
S - valor de observação suavizado
b - taxa de tendência
I - índice de sazonalidade
F - predição para m períodos à frente
t - índice de observação atual

Da mesma forma para a outra suavização exponencial, \alpha, \beta, \gamma são escolhidos por tentativa e erro para minimizar o erro quadrado médio.

A coisa especial aqui - a existência de L, determinando o número de períodos. Pelo número de períodos, é necessário construir os índices de sazonalidade iniciais correspondentes. Portanto, o método, em termos de cálculo dos índices de sazonalidade, requer mínimo L de observações. É claro que quanto mais temporadas completas disponíveis, melhor - os índices iniciais de sazonalidade serão mais precisos.

Os índices de sazonalidade são calculados como mostra a seguir - suponha que exista evidência observacional para n temporadas por L períodos.
Então
1) o valor médio é calculado para cada temporada

A_j=\frac{\sum_{i=1}^{L}y_{ji}}{L}, j varia de 1 a n

2) índice de sazonalidade é calculado para cada período

I_i=\frac{\sum_{j=1}^{n}\frac{y_{ji}}{A_j}}{n}, i varia de 1 a L

onde
y_{ji} - observação, correspondendo ao período i da temporada j.

Em seguida - para calcular de maneira correta a tendência inicial, devemos levar em consideração o impacto das flutuações sazonais. Se tivermos apenas dados para uma única temporada (por exemplo, ano - L = 12), será difícil distinguir a tendência das flutuações sazonais. Assim, o método, em termos de cálculo da tendência do coeficiente inicial, requer no mínimo 2L de observações. Com os dados das duas temporadas ( L = 24), fica claro que já é possível identificar uma tendência, comparando os respectivos períodos da temporada (por exemplo, Janeiro do ano passado para Janeiro deste ano).

A fórmula comumente usada para estimativa de tendência

b=\frac{1}{L}(\frac{y_{L+1}-y_1}{L} + \frac{y_{L+2}-y_2}{L} + ... + \frac{y_{L+L}-y_L}{L})

Como podemos ver, os dados de duas temporadas são usados.

Daí a moral - é melhor usar uma suavização exponencial tripla para os dados que mostram uma tendência forte e flutuações sazonais. Simultaneamente, é necessário ter os resultados de 2L e mais observações.

A calculadora a seguir é a quintessência de todos os três artigos - ela cria uma suavização exponencial simples, uma suavização exponencial dupla e uma suavização exponencial tripla. Além disso, ela cria valores previstos na distância especificada.
Defina os parâmetros \alpha, \beta, \gamma, frequência de dados L (4 por padrão - 4 trimestres de um ano) e intervalo de predição m (também 4).

Observação: A calculadora irá funcionar apenas se houver pelo menos 2L`` observações.

P.S.: A propósito, se o dado padrão for substituído por dados que realmente possuem uma tendência e frequência fortes, o erro quadrático médio da suavização tripla será muito menor do que o erro quadrático médio da suavização simples e dupla. Isso até me surpreendeu. Os dados padrão, talvez, não sejam muito indicativos para demonstração.

PLANETCALC, Suavização Exponencial Tripla

Suavização Exponencial Tripla

Séries temporais

Itens por página:

Dígitos após o ponto decimal: 2
Erro quadrático médio exponencial único
 
Erro quadrático médio de suavização dupla
 
Erro quadrático médio de suavização tripla
 
Suavização exponencial dupla
O arquivo é muito grande; pode ocorrer lentidão do navegador durante o carregamento e a criação.

URL copiado para a área de transferência
PLANETCALC, Suavização Exponencial Tripla

Comentários