Zusammenfassung
Zur Vorhersage von Zeitreihen, hauptsächlich bei der Lagerhaltung, verwendet man neuerdings die Methode der exponentiellen Ausgleichung. Eine Schwierigkeit ist dabei die Wahl des Vorhersagemodells.
Die exponentielle Ausgleichung liefert die gleichen Vorhersagegleichungen wie eine Regressionsanalyse mit exponentiell verteilten Gewichten.
Die schrittweise Regressionsanalyse führt schrittweise zu den am besten statistisch gesicherten Koeffizienten, wobei bei jedem Schritt das Minimum der Quadratsumme der Abweichungen gesucht wird. Er werden dabei nur die Koeffizienten in die Vorhersagegleichung aufgenommen, die eine vorgegebene statistische Sicherheitsbedingung erfüllen. Verlieren im Verlauf der Rechnung Koeffizienten durch starke Interkorrelation ihre statistische Sicherheit, so werden sie aus der Vorhersagegleichung eliminiert.
Neue Beobachtungen werden laufend berücksichtigt und die neuen Koeffizienten berechnet. Umfangreiche Rechnungen sind nur dann nötig, wenn aufgrund der statistischen Sicherheitsbedingung Koeffizienten aus der Vorhersagegleichung eliminiert oder neu in sie aufgenommen werden müssen.
Summary
In order to forecast time series, mainly for Inventory Control, recently the method of Exponential Smoothing is used. But it is difficult to select a good forecasting model.
Exponential Smoothing leads to the same forecasting equations as the Regression Analysis with exponentially distributed weights.
Stepwise regression analysis leads step by step to the most significant coefficients, where the minimum of the sum of squared residuals is searched at each step. Only these coefficients which satisfy a stated significance condition are taken into forecast equation. If during computation by intercorrelation coefficients loose their significance, they are eliminated from forecast equation.
New observations are currently taken up, and the new coefficients are computed. Extensive calculations are only necessary, if the coefficients—because of significance condition—must be eliminated from or taken into forecast equation.
Literaturverzeichnis
Robert G. Brown: Statistical Forecasting for Inventory Control, New York, 1959.
Robert G. Brown undRichard F. Meyer: The Fundamental Theorem of Exponential Smoothing, Operations Research, Volume 9, Nr. 5, S. 673–685.
D'Esopo, D. A.: A Note on Forecasting by the Exponential Smoothing Design, Operations Research, Volume 9, Nr. 5, S. 686–688.
Ralston, A. undH. Wilf: Mathematical Methods for Digital Computers, New York, 1960.
Brown, R.: Smoothing, Forecasting and Prediction, Prentice Hall, 1963.
Wetzel, W.: Univariable mikro-ökonomische Prognosemodelle mit exponentieller Gewichtung der Beobachtungswerte, Metrika, Band 6, 1963.
Matt, G.: Die schrittweise Regressionsanalyse und ihre Anwendungsmöglichkeit im Kaufmännischen Bereich, Ablauf- und Planungsforschung (Operational Research), Band 4, Heft 4, 1963.
Linnik, J. W.: Die Methode der kleinsten Quadrate in moderner Darstellung; Berlin, 1961.
Schmetterer, L.: Einführung in die mathematische Statistik, Wien, 1956.
Author information
Authors and Affiliations
Additional information
Vortrag auf der Jahrestagung 1963 der DGU in Braunschweig
Vorgel. v.:J. Nitsche
Rights and permissions
About this article
Cite this article
Matt, G. Bestimmung statistisch gesicherter Koeffizienten bei der exponentiellen ausgleichung (exponential smoothing). Unternehmensforschung Operations Research 10, 15–31 (1966). https://doi.org/10.1007/BF01918281
Received:
Issue Date:
DOI: https://doi.org/10.1007/BF01918281