ScholarGate
Assistente
Regression model

Holt-Winters Triple Exponential Smoothing

Imagine acompanhar um dado de vendas que sobe ao longo do tempo e também aumenta e diminui com o calendário — alto todo dezembro, baixo todo verão. Holt-Winters mantém três resumos contínuos que ele ajusta a cada nova observação: quão alto a série está atualmente (nível), para onde ela está inclinada (tendência) e a forma sazonal repetitiva. Dados recentes contam mais do que dados antigos, então o modelo permanece responsivo enquanto ainda suaviza o ruído, e uma previsão simplesmente projeta o nível e a tendência para frente e reaplica o padrão sazonal.

Aplicar com EconMindEm breveVídeoEm breveBaixar slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Mapa de métodos

A vizinhança de métodos relacionados — selecione um nó para explorar.

Fontes

  1. Winters, P. R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6(3), 324-342. DOI: 10.1287/mnsc.6.3.324
  2. Holt, C. C. (2004). Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages. International Journal of Forecasting, 20(1), 5-10. DOI: 10.1016/j.ijforecast.2003.09.015

Como citar esta página

ScholarGate. (2026, June 1). Holt-Winters Triple Exponential Smoothing. ScholarGate. https://scholargate.app/pt/econometrics/holt-winters

Qual método?

Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.

Comparar lado a lado

Referenciado por

ScholarGateHolt-Winters (Holt-Winters Triple Exponential Smoothing). Recuperado em 2026-06-15 de https://scholargate.app/pt/econometrics/holt-winters · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026