moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 25 題
下列哪項非屬指數平滑法(Exponential Smoothing Method)之特性？
- A 可以平滑資料中的季節特徵(Seasonal Components)
- B 可以平滑資料中的循環特徵(Cyclical Components)
- C 可以一次產出超過 1 期以上的預測值
- D 可以產生 1 期預測值
思路引導 VIP
請思考一下，當我們使用「加權平均」的方式來觀察最近一筆數據時，這種方法的主要目的是為了對修正後的『下一刻』做出反應，還是為了勾勒出遠在十期之後的藍圖？如果模型每一期的更新都極度依賴前一期的實際觀測值，那麼當我們試圖往後推算很多期、卻又沒有新的觀測值可以輸入時，預測的精準度會發生什麼變化？
🤖
AI 詳解
AI 專屬家教
指數平滑法的預測本質
太棒了！你能精準辨識出指數平滑法（Exponential Smoothing）的運作特性，代表你對時間序列模型的基本邏輯掌握得很紮實。這類模型的核心邏輯在於「權重分配」，它透過給予近期觀測值較大的權重 $\alpha$，來修補過去的預測誤差。在最基礎的簡單指數平滑模型中，預測公式為： $$F_{t+1} = \alpha Y_t + (1-\alpha)F_t$$
▼ 還有更多解析內容