घातीय चलती - औसत चौरसाई - निरंतर

चतुराई तकनीकों द्वारा पूर्वानुमान। यह साइट जावास्क्रिप्ट ई-लैब का एक हिस्सा है निर्णय लेने के लिए वस्तुओं सीखना इस श्रृंखला में अन्य जावास्क्रिप्ट इस पृष्ठ पर मेनू अनुभाग में अनुप्रयोगों के विभिन्न क्षेत्रों के अंतर्गत वर्गीकृत किया गया है। एक समय श्रृंखला अवलोकन की एक अनुक्रम है समय पर दिए गए आंकड़ों का अनुपालन समय के साथ लिया गया डेटा के संग्रह में कुछ यादृच्छिक भिन्नताओं का कोई रूप है यादृच्छिक भिन्नता के कारण प्रभाव को रद्द करने के तरीके मौजूद हैं व्यापक रूप से इस्तेमाल की जाने वाली तकनीकें चौरसाई होती हैं ये तकनीकों, जब ठीक से लागू होते हैं, तो अंतर्निहित प्रवृत्तियों को अधिक स्पष्ट रूप से पता चलता है । समय-सारणी पंक्ति-अनुसार अनुक्रम में बाएं-ऊपरी कोने से शुरू करें, और पैरामीटर, फिर एक-अवधि-आगे पूर्वानुमान प्राप्त करने के लिए गणना बटन पर क्लिक करें। ब्लैंक बॉक्स गणना में शामिल नहीं हैं, लेकिन शून्य हैं। डेटा-मैट्रिक्स में सेल से सेल तक जाने के लिए अपने डेटा को दर्ज करने में टैब कुंजी का उपयोग तीर या चाबियाँ दर्ज नहीं करते हैं। समय श्रृंखला के लक्षण, जो परीक्षार्थी द्वारा प्रकट हो सकता है पूर्वानुमानित मूल्यों के साथ अपने ग्राफ, और अवशिष्ट व्यवहार, स्थिति पूर्वानुमान मॉडलिंग. मविंग औसत समय की श्रृंखला के पूर्वप्रतिकरण के लिए सबसे लोकप्रिय तकनीकों के बीच चलती औसत रैंक, वे समय श्रृंखला बनाने के लिए, डेटा से यादृच्छिक सफेद शोर फ़िल्टर करने के लिए उपयोग किया जाता है चिकनी या यहां तक ​​कि समय श्रृंखला में निहित कुछ सूचनात्मक घटकों पर जोर देने के लिए। एक्सपेनियन्शियल स्माइंगिंग यह एक बहुत ही लोकप्रिय योजना है, जिसमे चलने की औसत में चल रही औसत सीरीज़ का उत्पादन होता है, अतीत के अवलोकनों को समान रूप से भारित किया जाता है, एक्सपेंनेलीय स्माउटिंग तीव्रता से कम होने वाले वजन को बढ़ाता है क्योंकि अवलोकन बड़े होता है दूसरे शब्दों में, हाल के अवलोकनों को पुरानी टिप्पणियों की तुलना में पूर्वानुमान में अपेक्षाकृत अधिक वजन दिया जाता है। डबल एक्सपोजेंशनल चौरसाई रुझानों को संभालने में बेहतर है। ट्रिपल एक्सपोजनल स्माथिंग parabola प्रवृत्तियों को संभालने में बेहतर है.एक चौरसाई स्थिरांक के साथ एक exponenentially भारित चलती औसत एक लगभग साधारण से मेल खाती है लंबाई की औसत चलती है I अवधि n, जहां ए और एन से संबंधित हैं। ए 2 एन 1 या एन 2 - ए। उदाहरण के लिए, उदाहरण के लिए, 1 एक्स के बराबर चौरसाई स्थिरता के साथ एक तेज भारित चल औसत, लगभग 1 9 दिन की औसत चलती है और एक 40 दिवसीय सरल चलती औसत 0-8878 के बराबर चौरसाई स्थिरता के साथ एक तीव्र भारित चल औसत पर लगभग अनुरूप होगा। हॉल की रैखिक घातीय चिकनाई मान लीजिए कि समय श्रृंखला गैर-मौसमी है लेकिन प्रदर्शन की प्रवृत्ति Holt के विधि का अनुमान है दोनों वर्तमान स्तर और मौजूदा प्रवृत्ति। नोट यह है कि साधारण चलती औसत 2-अल्फा अल्फा के पूर्णांक भाग को चलती औसत की अवधि निर्धारित करके घातीय चिकनाई का विशेष मामला है.अधिकतर व्यावसायिक डेटा के लिए 0 से 40 की तुलना में अल्फा पैरामीटर अक्सर प्रभावी हालांकि, 0 0 से 1 9 के साथ, 0 1 से 0 9 के साथ पैरामीटर स्पेस की ग्रिड सर्च कर सकती है, फिर 0 1 तब सबसे अच्छा अल्फ़ा में सबसे छोटा मतलब पूर्ण त्रुटि एमए त्रुटि होती है। कई चौरसाई तरीकों की तुलना करने के लिए यहां यद्यपि पूर्वानुमान तकनीक की सटीकता का आकलन करने के लिए संख्यात्मक संकेतक हैं, सबसे अधिक व्यापक दृष्टिकोण उनके सटीकता का आकलन करने के लिए कई पूर्वानुमानों के दृश्य तुलना का उपयोग करते हैं और विभिन्न पूर्वानुमान विधियों के बीच चयन करते हैं, इस दृष्टिकोण में, एक का प्रयोग करना चाहिए, जैसे कि एक ही ग्राफ पर एक्सेल एक समय श्रृंखला चर के वास्तविक मूल्य और कई विभिन्न पूर्वानुमान विधियों से अनुमानित मान, इस प्रकार एक दृश्य तुलना की सुविधा प्रदान करते हैं। आप पिछले तकनीक का उपयोग करके पिछली पूर्वानुमान मानों को प्राप्त करने के लिए पिछली भविष्यवाणियों का उपयोग करना पसंद कर सकते हैं, जो तकनीकों के आधार पर केवल एकल पैरामीटर का उपयोग करते हैं। होल्ट, और विंटर्स के तरीकों का इस्तेमाल क्रमशः दो और तीन मापदंडों में किया जाता है, इसलिए यह परीक्षण के द्वारा इष्टतम या निकटतम मूल्यों का चयन करने के लिए आसान नहीं है- और मापदंडों के लिए त्रुटियों। एकल घातीय चिकनाई लघु अवधि के परिप्रेक्ष्य पर जोर देती है स्तर को अंतिम अवलोकन के लिए सेट करता है और यह शर्त पर आधारित है कि कोई प्रवृत्ति नहीं है रैखिक पुनर्गठन आयन, जो ऐतिहासिक डेटा को कम से कम चौराहों को फिट करता है या ऐतिहासिक डेटा को बदलता है, लंबी अवधि का प्रतिनिधित्व करता है, जो कि मूल प्रवृत्ति पर आधारित है Holt रैखिक घातीय चिकनाई हाल की प्रवृत्ति के बारे में जानकारी प्राप्त करता है Holt मॉडल में मापदंड स्तर-पैरामीटर है जब डेटा विविधता की मात्रा बड़ी हो, तब कम होनी चाहिए, और प्रवृत्तियों-पैरामीटर को बढ़ाया जाना चाहिए अगर हाल की प्रवृत्ति दिशा में कुछ कारकों के कारण समर्थन किया जाता है। अल्पकालिक पूर्वानुमान नोटिस कि इस पृष्ठ पर प्रत्येक जावास्क्रिप्ट एक-चरण आगे प्रदान करता है पूर्वानुमान दो-चरण-पूर्व पूर्वानुमान प्राप्त करने के लिए पूर्वानुमानित मान को केवल समय के अंतराल डेटा के अंत में जोड़ें और फिर समान गणना बटन पर क्लिक करें आप आवश्यक प्रक्रिया को प्राप्त करने के लिए कुछ समय के लिए इस प्रक्रिया को दोहरा सकते हैं.सिंपल बनाम एक्सपेंनेलिटी मूविंग एवरेज। मैस्टिंग औसत क्रम के क्रम में संख्याओं के अनुक्रम के अध्ययन से अधिक है समय श्रृंखला विश्लेषण के प्रारंभिक चिकित्सकों वास्तव में अधिक कॉन्सर्ट थे अलग-अलग समय श्रृंखला संख्याओं की तुलना में वे उस डेटा के प्रक्षेप के साथ थे संभावना प्रमेय सिद्धांतों और विश्लेषण के रूप में प्रक्षेपण, बहुत बाद में आया, जैसा कि पैटर्न विकसित और सहसंबंधों की खोज की गई। एक बार समझा गया, विभिन्न आकार के घटता और रेखाएं समय के साथ खींचे वर्तमान में तकनीकी विश्लेषण व्यापारियों द्वारा उपयोग किए जाने वाले मूलभूत विधियों को अब ये माना जाता है कि 18 वीं सदी के जापान में चार्टिंग विश्लेषण का पता लगाया जा सकता है, फिर भी बाजार की कीमतों पर कैसे और कब चलने की औसत कीमत पहले ही एक रहस्य बनी हुई है आम तौर पर यह समझा जाता है कि सरल चलती औसत एसएमए एक्सपेंनेली मूविंग एवरेज ईएमए से बहुत पहले इस्तेमाल किया गया था, क्योंकि एसएमए फ्रेमवर्क पर ईएमए बनाया गया है और एसएमए कॉन्टम्यूम को साजिश रचने और ट्रैकिंग उद्देश्यों के लिए और अधिक आसानी से समझा जा सकता है क्या आप थोड़ा पृष्ठभूमि पढ़ना चाहते हैं? वे हैं। सरल मूविंग औसत एसएमए सरल चलती औसत के लिए पसंदीदा तरीका बन गया मार्केट की कीमतों को ट्रैक करना क्योंकि वे जल्दी से गणना करने में आसान हैं और समझने में आसान हैं कि आज के उपयोग में परिष्कृत चार्ट मेट्रिक्स के इस्तेमाल के बिना शुरुआती बाज़ार प्रैक्टिशनर संचालित होते हैं, इसलिए वे मुख्य रूप से बाजार की कीमतों पर अपने एकमात्र मार्गदर्शक के रूप में भरोसा रखते थे, उन्होंने हाथ से बाजार की कीमतों की गणना की, और प्रवृत्तियों और बाजार दिशाओं को निरूपित करने के लिए कीमतें यह प्रक्रिया बहुत कठिन है, लेकिन आगे के अध्ययन की पुष्टि के साथ काफी लाभदायक साबित हुआ। 10 दिनों की सरल चलती औसत की गणना के लिए, बस पिछले 10 दिनों के समापन मूल्यों को जोड़ना और 10 से द्विगुणित करें 20- दिन की चलती औसत की गणना 20-दिवसीय अवधि में समापन कीमतों को जोड़कर और 20 तक विभाजित करती है, और इसी तरह होती है। यह सूत्र न केवल बंद कीमतों पर आधारित है, लेकिन यह उत्पाद कीमतों का मतलब है - एक सबसेट मूविंग एवरेज कहा जाता है क्योंकि चार्ट पर बिन्दु के अनुसार गणना मूल्य में उपयोग की जाने वाली कीमतों के समूह का मतलब यह है कि पुराने दिनों को नए समापन मूल्य के दिनों में छोड़ दिया जाता है, इसलिए एक नया गणना हमेशा एन औसत नियोजित समय सीमा के अनुरूप eeded, तो, 10 दिन का औसत नया दिन जोड़कर और 10 वें दिन गिरने से पुन: गणना की जाती है, और नौवें दिन दूसरे दिन गिरा दिया जाता है और अधिक के लिए चार्ट्स मुद्रा व्यापार में चार्ट का उपयोग कैसे किया जाता है , हमारे चार्ट बेसिक्स वाक्थ्रू की जांच करें। एक्सपेन्नेएन्सी मूविंग औसत ईएमए, 1 9 60 के दशक से एक्सपेंलेनेबल मूविंग औसत को परिष्कृत और अधिक सामान्यतः इस्तेमाल किया गया है, कंप्यूटर के साथ पहले के चिकित्सकों के प्रयोगों के लिए धन्यवाद, नई ईएमए, लंबे समय तक की तुलना में हाल की कीमतों पर अधिक ध्यान केंद्रित करेगा सरल बिंदुओं की श्रृंखला की आवश्यकता होती है, जैसे कि सरल चलती औसत। वर्तमान ईएमए मूल्य चालू - पिछले ईएमए एक्स गुणक पिछले ईएमए। सबसे महत्वपूर्ण कारक चौरसाई स्थिर है कि 2 1 एन जहां एन दिनों की संख्या। 10-दिन की ईएमए 2 10 1 18 8. इसका मतलब है कि 10-अविध ईएमए वजन सबसे हाल की कीमत 18 8, 20-दिवसीय ईएमए 9 52 और 50-दिवसीय ईएमए 3 92 वजन सबसे हाल ही के दिनों में है ईएमए वर्तमान अवधि के बीच अंतर का भार रखता है एस की कीमत और पी ईएमई ईएमए, और पिछले ईएमए के परिणाम को जोड़ना, इस अवधि की छोटी अवधि, अधिक वजन, सबसे हाल की कीमत पर लागू होता है। फिटिंग लाइन्स इन गणनाओं से, अंक एक प्लॉटिंग लाइन का खुलासा करते हैं, बाजार मूल्य से ऊपर या नीचे फिटिंग लाइनों का मतलब है कि सभी चलती औसत कम हो रहे संकेतक हैं और मुख्य रूप से निम्नलिखित प्रवृत्तियों के लिए उपयोग किए जाते हैं वे रेंज मार्केट और भीड़ के समय के साथ अच्छी तरह काम नहीं करते क्योंकि फिटिंग लाइनें स्पष्ट उच्च ऊंचा या कम चढ़ाव की कमी के कारण प्रवृत्ति को निरूपित करने में विफल रहता है प्लस फिटिंग लाइनें दिशा के संकेत के बिना स्थिर रहने के लिए बाजार के नीचे एक बढ़ती फिटिंग लाइन का प्रतीक है, जबकि बाजार के ऊपर एक गिरने वाली फिटिंग लाइन का प्रतीक है, एक पूर्ण गाइड के लिए, हमारे मूविंग औसत ट्यूटोरियल पढ़ें। सरल चलती औसत को रोजगार के उद्देश्य कीमतों के कई समूहों के माध्यम से डेटा को चौरसाई करके स्पॉट और मापन के रुझान एक प्रवृत्ति को देखा गया है और एक पूर्वानुमान में एक्सट्रपोलोशन माना जाता है कि पहले की प्रवृत्ति आंदोलनों जारी रहेगा सरल चलती औसत के लिए, एक लंबी अवधि की प्रवृत्ति को पाया जा सकता है और एएमए की तुलना में बहुत आसान हो सकता है, उचित धारणा के साथ कि औसत कीमतों पर अधिक ध्यान देने के कारण फिटिंग लाइन ईएमए लाइन से मजबूत होगी। हाल की कीमतों पर फोकस के कारण, कम प्रवृत्ति चाल को पकड़ने के लिए प्रयोग किया जाता है, इस पद्धति से, एक ईएमए ने सरल चलती औसत में किसी भी कमी को कम किया है ताकि फिटिंग लाइन एक सरल चलती औसत से करीब कीमतों को गले करेगी EMA यह कीमत टूटने की संभावना है, खासकर तेज़ बाजारों और उतार-चढ़ाव की अवधि के दौरान ईएमए अच्छी तरह से काम करती है जब तक कीमतें फिटिंग लाइन को तोड़ती हैं उच्च उतार-चढ़ाव बाजारों के दौरान, आप चलती औसत अवधि की अवधि बढ़ाने पर विचार कर सकते हैं एक भी एक ईएमए से स्विच हो सकता है एक एसएमए, चूंकि एसएमए ईएमए की तुलना में आंकड़ों को बेहतर बनाता है क्योंकि दीर्घकालिक साधनों पर अपना ध्यान केंद्रित किया जाता है। दरअसल संकेतक संकेतक के रूप में लंबित संकेतक हैं, चल औसत औसत समर्थन के रूप में अच्छी तरह से सेवा करते हैं और विरोध करते हैं इन्स लाइनें यदि कीमतों में एक 10 दिनों की फिटिंग लाइन से नीचे की ओर बढ़ती है तो संभावना है कि ऊपरी प्रवृत्ति में गिरावट हो सकती है या कम से कम बाजार मजबूत हो सकता है यदि कीमतें 10-दिन की बढ़ती औसत से नीचे गिरती हैं तो प्रवृत्ति घटती या मजबूत हो सकती है इन उदाहरणों में, एक साथ 10- और 20-दिवसीय चलती औसत को रोजगार दें, और 10-दिवसीय लाइन की 20 दिन की रेखा से ऊपर या उससे नीचे पार करने के लिए प्रतीक्षा करें यह कीमतों के लिए अगले शॉर्ट-टर्म दिशानिर्देश को निर्धारित करता है लंबी अवधि की अवधि के लिए, दीर्घकालिक दिशा के लिए 100- और 200-दिवसीय मूविंग एनीज देखें उदाहरण के लिए, 100- और 200-दिवसीय मूविंग एविज़न का उपयोग करते हुए, अगर 100-दिवसीय चलती औसत 200-दिवसीय औसत से नीचे पार करता है, तो मौत को क्रॉस कहा जाता है और कीमतों के लिए बहुत मंदी है एक 100 दिवसीय चलती औसत जो 200 दिन की चलती औसत से अधिक हो जाती है उसे सोने का क्रॉस कहा जाता है और कीमतों के लिए बहुत तेजी से होता है अगर एसएमए या एएमए का उपयोग किया जाता है तो यह कोई बात नहीं है, क्योंकि दोनों प्रवृत्ति से नीचे दिए गए संकेतक हैं, यह केवल अल्पावधि में ही है एसएमए अपने समकक्ष, ईएमए से थोड़ा विचलन है। समावेशन मूविंग एवरेज चार्ट और समय श्रृंखला विश्लेषण का आधार हैं सरल चलती औसत और अधिक जटिल घातीय चलती औसत मदद मूल्य आंदोलनों को चौरसाई करके प्रवृत्ति को देखने में मदद करती है तकनीकी विश्लेषण कभी-कभी एक एक विज्ञान की बजाय कला, दोनों जिनमें से गुरु साल तक लेते हैं हमारे तकनीकी विश्लेषण ट्यूटोरियल में अधिक जानें। संयुक्त राज्य अमेरिका की अधिकतम राशि उधार ले सकती है ऋण की छत दूसरी लिबर्टी बॉण्ड अधिनियम के तहत बनाई गई थी। ब्याज दर जिस पर एक डिपॉजिटरी संस्था फेडरल रिजर्व में एक और डिपॉजिटरी संस्था में रखी गई धनराशि रखता है। 1 किसी दिए गए सुरक्षा या बाजार सूचकांक के लिए रिटर्न के फैलाव के एक सांख्यिकीय उपाय वाष्पशीलता को या तो मापा जा सकता है। 1 9 33 में अमेरिकी कांग्रेस ने बैंकिंग अधिनियम, जिस पर निषिद्ध वाणिज्यिक बैंकों ने निवेश में भाग लेने से नॉनफॉर्म पेरोल खेतों के बाहर किसी भी काम को संदर्भित किया, निजी घरों में एक गैर लाभकारी क्षेत्र में यूएस ब्यूरो ऑफ लेबर। भारतीय रुपए भारतीय रूपए के लिए मुद्रा के संक्षिप्त या मुद्रा प्रतीक, भारत की मुद्रा रुपए 1.Exponential Smoothing समझाया गया है। कॉपीराइट सामग्री पर कॉपीराइट-संरक्षित है और इसके लिए उपलब्ध नहीं है पुनर्प्रकाशन। जब लोगों को पहली बार शब्द का एक्सपेंनेलिबल चौरसाई का सामना करना पड़ रहा है, तो उन्हें लगता है कि बहुत सारे चौरसाई के एक नरक की तरह लग रहा है, जो कुछ भी चौरसाई है, तब वे एक जटिल गणितीय गणना की कल्पना करना शुरू करते हैं, जिसे गणित की डिग्री समझने की आवश्यकता होती है, और आशा है कि एक अंतर्निहित एक्सेल फ़ंक्शन उपलब्ध है, अगर उन्हें कभी भी करने की ज़रूरत होती है घातीय चौरसाई की वास्तविकता कम नाटकीय और बहुत कम आघातक है। सच्चाई, घातीय चौरसाई एक बहुत ही सरल गणना है जो एक साधारण कार्य को पूरा करती है यह सिर्फ एक जटिल नाम है क्योंकि इस सरल गणना के परिणामस्वरूप तकनीकी रूप से क्या होता है वास्तव में थोड़ा जटिल है। घातीय चिकनाई समझने के लिए, यह मदद करता है ओ चौरसाई की सामान्य अवधारणा के साथ शुरू करो और चौरसाई को प्राप्त करने के लिए इस्तेमाल किए जाने वाले कुछ अन्य सामान्य तरीकों से शुरू करें। चौरसाई क्या है। साँसचना एक बहुत ही आम सांख्यिकीय प्रक्रिया है, वास्तव में, हम नियमित रूप से हमारे दिन-प्रतिदिन जीवन में विभिन्न रूपों में चिकनी डेटा का सामना करते हैं किसी भी समय आप कुछ का वर्णन करने के लिए औसत का उपयोग करते हैं, आप एक चिकना नंबर का उपयोग कर रहे हैं यदि आप सोचते हैं कि आप कुछ का वर्णन करने के लिए औसत का उपयोग क्यों करते हैं, तो आप जल्दी से चौरसाई की अवधारणा को समझेंगे उदाहरण के लिए, हम यह मात्रा निर्धारित करने में सक्षम हैं हम दैनिक उच्च और निम्न तापमान के डेटासेट से शुरू करते हैं, जब हम रिकॉर्ड किए गए इतिहास में प्रत्येक वर्ष शीतकालीन कहते हैं, लेकिन इससे हमें कई संख्याओं के साथ छोड़ दिया जाता है जो हर दिन की तरह नहीं है यह सर्दियों पिछले सभी वर्षों से इसी दिनों की तुलना में गरम थी, हमें एक ऐसी संख्या की आवश्यकता होती है जो आंकड़ों के चारों ओर कूदते हुए सभी को हटा देता है ताकि हम अगले सर्दी को आसानी से तुलना कर सकें, डेटा के आसपास घूमना कहा जाता है, और इस मामले में हम सिर्फ चिकनाई को पूरा करने के लिए एक सरल औसत का उपयोग कर सकते हैं। मांग पूर्वानुमान में, हम अपने ऐतिहासिक मांग से यादृच्छिक भिन्नता शोर को हटाने के लिए चौरसाई का उपयोग करते हैं, इससे हमें मांग पैटर्न को बेहतर ढंग से पहचानने की अनुमति मिलती है मुख्यतः प्रवृत्ति और मौसमी और मांग के स्तर का इस्तेमाल भविष्य की मांग का अनुमान लगाने के लिए किया जा सकता है मांग में शोर एक ही अवधारणा है, क्योंकि तापमान डेटा के चारों ओर दैनिक कूद होता है आश्चर्य की बात नहीं, आम तौर पर लोगों को मांग इतिहास से शोर निकालते हैं अधिक विशेष रूप से, एक चलती औसत एक चल औसत औसत का आकलन करने के लिए केवल एक पूर्वनिर्धारित अवधि का उपयोग करता है, और समय की गुंजाइश के रूप में उन कालखंडों को स्थानांतरित करता है उदाहरण के लिए, यदि मैं 4 महीने की चलती औसत का उपयोग कर रहा हूं और आज 1 मई है, तो मैं 1 जनवरी को जनवरी, फरवरी, मार्च और अप्रैल में हुई औसत मांग का उपयोग करते हुए, मैं फरवरी, मार्च, अप्रैल और मई से मांग का उपयोग कर रहा हूं। औसत चलते हुए औसत। जब हम औसत का उपयोग करते हैं डेटासेट में प्रत्येक मूल्य के लिए एक ही महत्व भार लागू कर रहे हैं 4 महीने की चलती औसत में, हर महीने चलती औसत से 25 का प्रतिनिधित्व करता है भविष्य की मांग और विशेष रूप से भविष्य की प्रवृत्ति को प्रोजेक्ट करने के लिए मांग इतिहास का उपयोग करते समय, यह तर्कसंगत है कि निष्कर्ष पर पहुंचा आप अपने पूर्वानुमान पर अधिक प्रभाव डालने के लिए हाल के इतिहास को पसंद करना चाहते हैं हम अपने चल-औसत गणना को अनुकूलित कर सकते हैं ताकि हमारे इच्छित परिणाम प्राप्त करने के लिए प्रत्येक अवधि में विभिन्न भार लागू हो सकें हम इन भारों को प्रतिशत के रूप में व्यक्त करते हैं और सभी अवधि के लिए सभी वजन 100 तक जोड़ना चाहिए इसलिए, यदि हम निर्णय करते हैं कि हम अपने 4 महीने के भारित चल औसत में करीब 35 दिनों के वजन के रूप में आवेदन करना चाहते हैं, तो हम 35 से 100 से घटा सकते हैं ताकि हम 3 शेष अवधि में विभाजित करने के लिए 65 शेष हो सकें उदाहरण के लिए, हम 4, 15 20 30 35 100 के लिए क्रमशः 15, 20, 30, और 35 के भार के साथ समाप्त हो सकते हैं। एक्सपेंनेशन चौरसाई। यदि हम सबसे हाल की अवधि में वजन लागू करने की अवधारणा पर वापस जाते हैं 3 के रूप में पिछली उदाहरण में 5 और शेष वजन का प्रसार 100 से 35 के सबसे हाल की अवधि के वजन को घटाकर 65 हो गया, हमारे पास घातीय चौरसाई गणना के लिए मूलभूत इमारत ब्लाकों हैं घातीय चौरसाई गणना के नियंत्रित इनपुट को चौरसाई के रूप में जाना जाता है कारक को चौरसाई स्थिरता भी कहा जाता है यह अनिवार्य रूप से सबसे हाल की अवधि की मांग पर लागू भार का प्रतिनिधित्व करता है इसलिए, जहां हमने भारित चल औसत औसत गणना में हाल की अवधि के लिए भारोत्तोलन के रूप में 35 का इस्तेमाल किया, हम भी 35 को चौरसाई के रूप में इस्तेमाल करने का विकल्प चुन सकते हैं एक समान प्रभाव पाने के लिए हमारे घातीय चौरसाई गणना में कारक घातीय चौरसाई गणना के साथ अंतर यह है कि इसके बजाय हमें यह भी पता लगा है कि प्रत्येक पिछली अवधि में कितना वजन अर्जित किया जा सकता है, तो चौरसाई का कारक स्वचालित रूप से ऐसा करने के लिए उपयोग किया जाता है.तो यहाँ घातीय भाग आता है यदि हम चौरसाई कारक के रूप में 35 का उपयोग करते हैं, तो सबसे हाल की अवधि की मांग का भार होगा 35 होना अगले सबसे हाल की अवधि का भार सबसे हाल ही में 65 65 35 हो जाएगा की अवधि की मांग 35 से 100 को घटाने से आता है 100 यह आप के गणित करते हैं, तो उस अवधि के लिए 22 75 भार के बराबर होती है। अगले सबसे हाल की अवधि एस की मांग 65 के 65 हो सकती है, जो 14 के बराबर है 79 इससे पहले की अवधि 65 के 65 65 के रूप में भारित की जाएगी, जो 9 61 के बराबर है, और इसी तरह और यह आपके सभी पिछली अवधि सभी तरह से समय की शुरुआत या उस बिंदु पर जिस पर आपने उस विशेष वस्तु के लिए घातीय चौरसाई का उपयोग करना शुरू कर दिया था। आप शायद सोच रहे हैं कि गणित की बहुत सारी की तरह लग रहा है लेकिन घातीय चौरसाई गणना की सुंदरता यह है कि इसके बजाय हर बार जब आप एक नई अवधि की मांग प्राप्त करते हैं, तो हर पिछली अवधि के पुनर्गणना के लिए, आप पिछली अवधि से पहले की अवधि के प्रतिनिधित्व करने के लिए पिछली अवधि से घातीय चौरसाई गणना के उत्पादन का उपयोग करते हैं.क्या आप अभी तक भ्रमित हैं, यह अधिक समझ में आता है जब हम वास्तविक गणना को देखते हैं। आमतौर पर हम अगले काल के पूर्वानुमान के रूप में घातीय चौरसाई गणना के उत्पादन का उल्लेख करते हैं, वास्तव में, अंतिम पूर्वानुमान में थोड़ी अधिक काम की आवश्यकता है, लेकिन इस विशिष्ट गणना के प्रयोजनों के लिए, हम इसका संदर्भ लेंगे पूर्वानुमान। घातीय चौरसाई गणना निम्नानुसार है। सबसे हाल की अवधि की मांग चौरसाई कारक प्लस द्वारा गुणा सबसे हाल की अवधि का अनुमान एक शून्य से चौरसाई कारक गुणा करके। सबसे हाल की अवधि एस मांग एस चिकनी पहलू दशमलव रूप में प्रतिनिधित्व इसलिए 35 को 0 से 35 एफ के रूप में दर्शाया जाएगा सबसे हाल की अवधि पिछले अवधि से चौरसाई गणना के उत्पादन की भविष्यवाणी करते हैं। 0 0 के एक चौरसाई कारक मानते हुए। यह उस की तुलना में बहुत आसान नहीं है। जैसा कि आप देख सकते हैं, सभी हमें डेटा इनपुट के लिए यहां सबसे हाल की अवधि की मांग और सबसे हाल की अवधि के पूर्वानुमान की आवश्यकता है हम सबसे हाल की अवधि की मांग के अनुसार चौरसाई पहलू को उसी तरह से लागू करते हैं जिस तरह हम करेंगे भारित चलती औसत गणना तब हम सबसे हाल की अवधि के पूर्वानुमान के लिए शेष भार 1 शून्य से चौरसाई कारक लागू करते हैं। चूंकि सबसे हाल की अवधि का अनुमान पिछली अवधि की मांग और पिछले अवधि के पूर्वानुमान के आधार पर बनाया गया था, जो कि आधार था इससे पहले की अवधि की मांग पर और उसके पहले की अवधि के पूर्वानुमान, जो कि पहले की अवधि की मांग और उसके पहले की अवधि के पूर्वानुमान के आधार पर था, जो इससे पहले की अवधि के आधार पर था। ठीक है, आप कर सकते हैं देखें कि पिछले पिछली अवधि की मांग को वास्तव में वापस जाने और किसी भी चीज़ की पुनरावृत्ति के बिना गणना में किस प्रकार प्रतिनिधित्व किया जाता है। और यह कि जो घातीय चौरसाई की प्रारंभिक लोकप्रियता को चलाई गई थी, क्योंकि यह भारित चल औसत से चौरसाई का बेहतर काम था, इसलिए यह एक कंप्यूटर प्रोग्राम में गणना करना आसान था और, क्योंकि आपको यह सोचने की आवश्यकता नहीं थी कि पिछली अवधि को कितना भार देना है या कितनी पिछली अवधि का उपयोग करना है, जैसा कि आप भारित चलती औसत पर और, क्योंकि यह भारित चलती औसत की तुलना में कूलर की तरह लग रहा था। वास्तव में, यह तर्क दिया जा सकता है कि भारित चलती औसत अधिक लचीलेपन प्रदान करता है क्योंकि आपके पास पिछली अवधि के भार पर अधिक नियंत्रण है। वास्तविकता इन दोनों में से एक है सम्मानजनक परिणाम, तो आसान और कूलर लगने के साथ क्यों न जाएं Excel में एक्स्प्लेनेशन चिकनाई। देखें कि यह वास्तव में वास्तविक डेटा के साथ एक स्प्रैडशीट में कैसे दिखता है। कॉपीराइट पर कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। चित्रा 1 ए में , हमारे पास 11 सप्ताह की मांग के साथ एक एक्सेल स्प्रैडशीट है, और उस मांग की गणना से अनुमानित रूप से सुगंधित अनुमानित गणना मैंने सेल सी 1 में 25 0 25 का चौरसाई फैक्टर का प्रयोग किया है वर्तमान सक्रिय सेल सेल एम 4 है जिसमें सप्ताह के पूर्वानुमान के लिए 12 सूत्र बार में देखें, सूत्र एल 3 सी 1 एल 4 1-सी 1 है, इसलिए इस गणना में एकमात्र प्रत्यक्ष इनपुट पिछले अवधि की मांग है, एल एल एल 3, पिछली अवधि के पूर्वानुमान सेल एल 4, और चौरसाई कारक सेल सी 1, निरपेक्ष सेल संदर्भ के रूप में दिखाया गया है C1। जब हम एक घातीय चौरसाई गणना शुरू करते हैं, तो हमें मैन्युअल रूप से 1 पूर्वानुमान के लिए मूल्य प्लग करने की आवश्यकता है तो सेल B4 में एक सूत्र के बजाय, हम केवल मांग की सेल सी 4 में पूर्वानुमान के रूप में उसी अवधि की हमारी पहली घातीय चौरसाई की गणना बी 3 सी 1 बी 4 1-सी 1 है, तो हम सेल सी 4 कॉपी कर सकते हैं और एम 4 के माध्यम से सेल डी 4 में पेस्ट कर सकते हैं ताकि हम बाकी सभी पूर्वानुमान कोशिकाओं को भर सकें। अब आप डबल - यह देखने के लिए किसी भी पूर्वानुमान सेल पर क्लिक करें कि यह पिछले अवधि के पूर्वानुमान सेल और पिछली अवधि की मांग सेल पर आधारित है। इसलिए प्रत्येक बाद के घातीय चौरसाई गणना पिछले घातीय चौरसाई गणना के आउटपुट को संभालती है जो कि प्रत्येक पिछली अवधि की मांग किस प्रकार दर्शाती है सबसे हाल की अवधि की गणना हालांकि यह गणना सीधे उन पिछली अवधि का उल्लेख नहीं करती है यदि आप फैंसी प्राप्त करना चाहते हैं, तो आप एक्सेल के ट्रेस उदाहरण की सुविधा का उपयोग कर सकते हैं ऐसा करने के लिए, सेल एम 4 पर क्लिक करें, तो रिबन टूल बार Excel 2007 या 2010 पर फॉर्मूला टैब पर क्लिक करें, फिर ट्रेस अग्रेस्टैंड पर क्लिक करें यह कनेक्टर लाइन को पूर्ववर्तियों के पहले स्तर पर लाएगा, लेकिन अगर आप ट्रेस अंडरडेट्स पर क्लिक करते हैं तो यह आपको दिखाने के लिए सभी पिछली अवधि में कनेक्टर लाइन खींचेंगे विरासत में रिश्ते। अब हम देखते हैं कि हमारे लिए क्या घातीय चौरसाई है। फिक्चर 1 बी हमारी मांग और पूर्वानुमान का एक लाइन चार्ट दिखाता है आप मामले को देखते हैं कि कैसे तेजी से सुगंधित अनुमान साप्ताहिक मांग से कूदते हुए अधिकांश जैगग्नेस को निकालता है, लेकिन अभी भी प्रबंधन करता है मांग में एक ऊपरी प्रवृत्ति प्रतीत होता है का पालन करने के लिए आप यह भी देखेंगे कि चिकनाई पूर्वानुमान लाइन मांग की रेखा से कम हो जाती है इसे प्रवृत्ति के अंतराल के रूप में जाना जाता है और यह चिकनाई प्रक्रिया का एक साइड इफेक्ट है प्रवृत्ति मौजूद है आपका पूर्वानुमान प्रवृत्ति से पीछे होगा यह वास्तव में किसी भी चिकनाई तकनीक के लिए सच है, वास्तव में, अगर हम इस स्प्रैडशीट को जारी रखने और कम मांग संख्याओं को इनपुट करना शुरू करते हैं वांछित प्रवृत्ति आप मांग लाइन ड्रॉप देखना चाहते हैं, और नीचे की प्रवृत्ति का पालन करने से पहले इसके ऊपर की प्रवृत्ति लाइन की गति बढ़ जाती है। यही कारण है कि मैंने पहले से ही घाटेदार चौरसाई गणना से उत्पादन का उल्लेख किया था, जिसे हम एक पूर्वानुमान कहते हैं, फिर भी वहां कुछ और काम की आवश्यकता है मांग में बाधाओं को छूने की तुलना में भविष्यवाणी करने के लिए बहुत अधिक है, हमें प्रवृत्ति के अंतराल, मौसम, ज्ञात घटनाओं जैसी चीजों के लिए अतिरिक्त समायोजन करने की आवश्यकता है, जो कि मांग को प्रभावित कर सकते हैं, लेकिन ये सभी इस लेख के दायरे से परे हैं। आप संभवतः यह भी डबल-एक्सपोनेंशन चौरसाई और ट्रिपल-एक्सपोनेंशन चौरसाई जैसे शब्दों में चलाया जाता है ये शब्द थोड़ा गुमराह करने वाला हैं क्योंकि आप मांग को कई बार फिर से चौरसाई नहीं कर रहे हैं, यदि आप चाहते हैं, लेकिन वह यहां नहीं है ये शब्द इन शब्दों को एक्सपेंनेलीय स्मोटिंग पूर्वानुमान के अतिरिक्त तत्वों पर तो सरल घातीय चिकनाई के साथ, आप आधार मांग को चौरसाई कर रहे हैं, लेकिन डबल-एक्सोनेंसिबल चिकनाई के साथ आप आधार मांग प्लस चौरसाई कर रहे हैं ट्रेंड, और ट्रिपल-एक्सपोनेंशन चिकनाई के साथ आप बेस मांग और प्रवृत्ति से मौसम की अवधि को चौरसाई कर रहे हैं। घातीय चौरसाई के बारे में सबसे आम तौर पर पूछे जाने वाले प्रश्न मैं अपने चौरसाई कारक कहां प्राप्त करता हूं। यहां कोई जादुई जवाब नहीं है, आपको जांच की आवश्यकता है आपके मांग डेटा के साथ विभिन्न चौरसाई कारकों को यह देखने के लिए कि आपको सबसे अच्छे परिणाम क्या मिलेगा, ये गणनाएं हैं जो स्वचालित रूप से चौरसाई कारक को सेट और बदल सकती हैं ये पतन अनुकूली चौरसाई के तहत है, लेकिन आपको उनसे सावधानी बरतने की ज़रूरत है। आपको पूरी तरह से परीक्षण के बिना किसी भी आकलन को अंधाधुंध नहीं करना चाहिए और आपको पूरी तरह से समझना चाहिए कि उस गणना में आपको क्या चलाना चाहिए, यदि परिदृश्यों को यह देखने के लिए कि ये गणना क्या परिवर्तन की मांग पर प्रतिक्रिया करती है, जो वर्तमान में आपके लिए मांग डेटा में मौजूद नहीं हो सकती है परीक्षण। डेटा उदाहरण मैंने पहले इस्तेमाल की स्थिति का एक बहुत अच्छा उदाहरण है जहां आपको वास्तव में कुछ अन्य परिदृश्यों को परीक्षण करने की आवश्यकता है विशेष रूप से डेटा के उदाहरण में कुछ हद तक संगत वृद्धि की प्रवृत्ति दिखती है बहुत महंगा पूर्वानुमान वाली सॉफ्टवेयर वाली कई बड़ी कंपनियां बहुत मुश्किल से अतीत में नहीं मिलीं जब उनकी सॉफ्टवेयर सेटिंग बढ़ती अर्थव्यवस्था के लिए छिड़ी गई थी, जब अर्थव्यवस्था में स्थिरता शुरू हुई या सिकुड़ने जैसी चीजें होती हैं जब आप यह नहीं समझते कि आपकी गणना सॉफ्टवेयर वास्तव में क्या कर रहा है यदि वे अपने पूर्वानुमान प्रणाली को समझते हैं, तो उन्हें पता होगा कि उन्हें कूदने और बदलने की जरूरत है, जब उनके व्यापार में अचानक नाटकीय बदलाव आए। तो वहां आप समझाया घातीय चौरसाई की मूल बातें है एक वास्तविक पूर्वानुमान में घातीय चिकनाई का उपयोग करने के बारे में अधिक जानना चाहते हैं, मेरी पुस्तक इन्वेंटरी मैनेजमेंट की व्याख्या करें। कॉपीराइट की सामग्री पर कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। डेव पाइसेकी इन्वेंटरी के स्वामी ऑपरेटर ऑपरेशन्स कंसल्टिंग एलएलसी इन्वेंट्री मैनेजमेंट, मैट से संबंधित सेवाएं प्रदान करने वाली परामर्श फर्म है रियाल हैंडलिंग और वेयरहाउस आपरेशन वह ऑपरेशन मैनेजमेंट में 25 से अधिक वर्षों के अनुभव का अनुभव कर सकते हैं और अपनी वेबसाइट पर पहुंच सकते हैं, जहां वह अतिरिक्त प्रासंगिक जानकारी रखता है। मेरा व्यवसाय