Example 4.5The exponential smoothin

Example 4.5
The exponential smoothing technique is demonstrated in Table 4-7 Figure 4-7 for Acme Tool Company for the years 2000 to 2006, using smoothing constants of .1 and .6. The data for the first quarter of 2006 will be used as test data to help determine the best value of α (among the two considered). The exponentially smoothed series is computed by initially setting Ÿ1 equal to 5oo .If earlier data are available, it might be possible to use them to develop a smoothed series up to 2000 and then use this experience as the initial value for the smoothed series. The computaions leading to the forecast for periode 3 and 4 are demonstrated next

ผลลัพธ์ (ไทย) 1:

ตัวอย่าง 4.5
เทคนิคผืนเนนจะแสดงในตาราง 4-7 รูปที่ 4-7 บริษัท Acme มือปี 2000 ถึงปี 2006 ใช้ผืนคง.1 และ.6 ข้อมูลในไตรมาสแรกของปี 2006 จะใช้เป็นข้อมูลทดสอบเพื่อตรวจสอบค่าสุดของα (ระหว่างสองพิจารณา) ชุดปรับให้โค้งเป็นทวีคูณเมื่อคำนวณ โดยเริ่มตั้ง Ÿ1 เท่ากับ 5ooถ้าข้อมูลก่อนหน้านี้ อาจจะสามารถใช้ในการพัฒนาชุดปรับให้โค้งได้ถึง 2000 และใช้ประสบการณ์นี้เป็นค่าเริ่มต้นสำหรับชุดให้โค้งเรียบ Computaions ที่นำไปสู่การคาดการณ์สำหรับ periode ที่ 3 และ 4 แสดงถัดไป

ผลลัพธ์ (ไทย) 2:

ตัวอย่าง 4.5
เทคนิคเรียบชี้แจงแสดงให้เห็นในตารางที่ 4-7 รูปที่ 4-7 บริษัท แอคมีเครื่องมือสำหรับปี 2000-2006, การใช้ค่าคงที่ของการปรับให้เรียบ 0.1 และ 0.6 ข้อมูลสำหรับไตรมาสแรกของปี 2006 จะถูกนำมาใช้เป็นข้อมูลการทดสอบที่จะช่วยในการกำหนดค่าที่ดีที่สุดของα (หนึ่งในสองการพิจารณา) ชุดเรียบชี้แจงคำนวณโดยการเริ่มต้นการตั้งค่า Y1 เท่ากับ 5OO. ถ้าข้อมูลก่อนหน้านี้ที่มีอยู่ก็อาจจะเป็นไปได้ที่จะใช้พวกเขาในการพัฒนาชุดเรียบถึง 2000 และจากนั้นใช้ประสบการณ์นี้เป็นค่าเริ่มต้นสำหรับชุดเรียบ computaions ที่นำไปสู่การคาดการณ์สำหรับ periode 3 และ 4 จะแสดงให้เห็นต่อไป

ผลลัพธ์ (ไทย) 3:

ตัวอย่าง 4.5
อนุกรมเวลาเป็นเทคนิคแสดงให้เห็นในรูปตารางที่ 4-7 4-7 สำหรับมือบริษัท ACME สำหรับปี 2000 ถึง 2006 โดยใช้ค่าคงที่ของเรียบ . 1 และ 6 . ข้อมูลสำหรับไตรมาสแรกของปี 2549 จะสามารถใช้เป็นข้อมูลทดสอบเพื่อหาค่าที่ดีที่สุดของα ( ระหว่างสองพิจารณา ) ที่ชี้แจงเรียบชุดจะคำนวณโดยเริ่มต้นการตั้งค่าŸ 1 เท่ากับ 5oo .ถ้าข้อมูลก่อนหน้านี้พร้อมใช้งาน มันอาจเป็นไปได้ที่จะใช้การพัฒนาแบบเรียบถึง 2000 แล้วใช้ประสบการณ์นี้เป็นค่าเริ่มต้นสำหรับ ตัดชุด การ computaions นำไปสู่การคาดการณ์สำหรับตอน 3 และ 4 แสดงให้เห็นต่อไป