ETS: Wykładnicze wygładzanie z uwzględnieniem błędu, trendu i sezonowości
ETS to kompleksowe ramy wykładniczego wygładzania, które automatycznie wybierają addytywne lub multiplikatywne kombinacje składników błędu (E), trendu (T) i sezonowości (S) szeregu czasowego. Sformalizowany jako model przestrzeni stanów innowacji przez Hyndmana, Koehlera, Orda i Snydera w 2008 roku, jednoczy i generalizuje rodzinę metod prognozowania Holta-Wintersa.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer. DOI: 10.1007/978-3-540-71918-2 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Error, Trend, Seasonal (ETS) Exponential Smoothing. ScholarGate. https://scholargate.app/pl/econometrics/ets-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Wygładzanie wykładnicze proste i podwójne (SES / Holt)Ekonometria↔ compare
- Potrójne wygładzanie wykładnicze Holta-WintersaEkonometria↔ compare
- Model przestrzeni stanów (filtr Kalmana)Ekonometria↔ compare
- Model strukturalny szeregów czasowych (Podstawowy model strukturalny)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →