lign="justify"> 1 (
t -1) +
a 2 [
x * (
t -1) -
x (
t ) ],
де a - параметр згладжування в діапазоні 0 < a <1; b = 1 - a ; x * ( t -1) - попереднє згладжена значення. В якості початкових значень оцінок коефіцієнтів моделі беруться
0 (0) = 4 x (1) + x (2) - 2 x (3); a 1 (0) = x (3) - x (1).
Таким чином, обчислювальний процес влаштований як адаптивна процедура, в якій коефіцієнти полінома перераховуються за старим коефіцієнтах і новими даними з експоненціально убутними вагами, причому найбільшу вагу приписується останнього спостереженню. Процес обчислень управляється двома параметрами: порядком аппроксимирующего полінома p і параметром згладжування a . У ході обчислень будується згладжений ряд, що представляє собою в кожен момент часу t прогноз за даними до моменту ( t - 1) включно.
Вибір параметра згладжування a являє собою досить складну проблему. Чим ближче параметр згладжування до одиниці, тим більше вплив останніх спостережень і тим більше швидкість убування ваг. Однак, якщо високочастотна компонента ряду має досить велику дисперсію, не слід використовувати великі значення параметра згладжування за поганої якості прогнозу.
Модифікацією методу експоненціального згладжування для сезонних рядів є методи Уінтерса і Тейла-Вейджа. ...
