![Do wygładzenia szeregu czasowego, w którym występują zarówno
tendencja rozwojowa i wahania przypadkowe, można zastosowad
model liniowy Holta. W modelu tym do opisy tendencji rozwojowej
zastosowano wielomian stopnia pierwszego (prostą). W porównaniu
do modelu Browna (prosty model wyrównania wykładniczego) w
modelu Holta zastosowano dwa parametry, a nie jeden. Parametry te
przedstawiają poniższe relacje:
Ft−1 = αYt−1 + (1 − α)(Ft−2 + St−2)
oraz
St−1 = β(Ft−1 − Ft−2) + (1 − β)St−2
gdzie:
Ft−1− wygładzona wartośd zmiennej prognozowanej na moment lub
okres t − 1
St−1− wygładzona wartośd przyrostu trendu na moment lub okres t − 1
α, β− parametry modelu przyjmujące wartości z przedziału *0, 1]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Empfohlen
Weitere ähnliche Inhalte
Andere mochten auch
Andere mochten auch (19)
Model liniowy Holta
- 2. Do wygładzenia szeregu czasowego, w którym występują zarówno tendencja rozwojowa i wahania przypadkowe, można zastosowad model liniowy Holta. W modelu tym do opisy tendencji rozwojowej zastosowano wielomian stopnia pierwszego (prostą). W porównaniu do modelu Browna (prosty model wyrównania wykładniczego) w modelu Holta zastosowano dwa parametry, a nie jeden. Parametry te przedstawiają poniższe relacje: Ft−1 = αYt−1 + (1 − α)(Ft−2 + St−2) oraz St−1 = β(Ft−1 − Ft−2) + (1 − β)St−2 gdzie: Ft−1− wygładzona wartośd zmiennej prognozowanej na moment lub okres t − 1 St−1− wygładzona wartośd przyrostu trendu na moment lub okres t − 1 α, β− parametry modelu przyjmujące wartości z przedziału *0, 1]