Suavizamiento exponencial
* El método de suavizamiento exponencial puede dar una ponderación mayor a las
Observaciones más recientes.
* Las ponderaciones se asigna mediante la constante, 0< < 1.
* El modelo se expresa como:
Pronóstico = (último valor) + (1 - )(último pronóstico)
Error Estadístico:
Cuando se habla de error estadístico se trata de una apreciaciónhistórica observacional de desviación de resultados y se acepta como “real” estadísticamente (siempre que se hayan aplicado los principios estadísticos apropiados).
Que es la regresión lineal
Enestadística la regresión lineal o ajuste lineal es un método matemático que modeliza la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Este modelo puede serexpresado como:
Donde β0 es la intersección o término "constante", las son los parámetros respectivos a cada variable independiente, y p es el número de parámetros independientes a tener encuenta en la regresión. La regresión lineal puede ser contrastada con la regresión no lineal.
Que son los mínimos cuadrados.
Mínimos cuadrados es una técnica de análisis numérico encuadrada dentro de laoptimización matemática, en la que, dados un conjunto de pares (o ternas, etc), se intenta encontrar la función que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio demínimo error cuadrático.
En su forma más simple, intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la función y loscorrespondientes en los datos. Específicamente, se llama mínimos cuadrados promedio (LMS) cuando el número de datos medidos es 1 y se usa el método de descenso por gradiente para minimizar el residuo cuadrado. Sepuede demostrar que LMS minimiza el residuo cuadrado esperado, con el mínimo de operaciones (por iteración), pero requiere un gran número de iteraciones para converger.
Desde un punto de vista...
Regístrate para leer el documento completo.