Exponenzielle Glättung

Aus Kyffhäuser KI
Version vom 1. Februar 2026, 23:40 Uhr von Markus (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „== Kurzbeschriebung == Beschreibung ist::Exponentielle Glättung ist eine Zeitreihenprognosemethode, bei der vergangene Beobachtungen exponentiell abnehmend gewichtet werden. Beschreibung ist::Erweiterungen (Holt, Holt–Winters) modellieren Trend und Saisonalität explizit. == Anwendbarkeit im Gesundheitssektor == Geeignet für kurzfristige Prognosen von Fallzahlen, Belegung oder Verbrauchsdaten sowie als Baseline-Modell. == Sonstiges == Se…“)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Zur Navigation springen Zur Suche springen

Kurzbeschriebung

Exponentielle Glättung ist eine Zeitreihenprognosemethode, bei der vergangene Beobachtungen exponentiell abnehmend gewichtet werden.

Erweiterungen (Holt, Holt–Winters) modellieren Trend und Saisonalität explizit.

Anwendbarkeit im Gesundheitssektor

Geeignet für kurzfristige Prognosen von Fallzahlen, Belegung oder Verbrauchsdaten sowie als Baseline-Modell.

Sonstiges

Sehr schnell und robust

Nicht kausal

Semantik

Wikidata-Identifikator ist: Q1135401

Deutsche Wikipediaseite ist: https://de.wikipedia.org/wiki/Exponentielle_Gl%C3%A4ttung

Englische Wikipediaseite ist: https://en.wikipedia.org/wiki/Exponential_smoothing

Quelle: Hyndman & Athanasopoulos

Behandlung von Unsicherheit in den Ergebnissen der Methode ist implizit

Für die Methode benötigte Datenmenge ist klein;mittel„Klein;mittel“ befindet sich nicht in der Liste (Groß, Mittel, Klein) zulässiger Werte für das Attribut „Für die Methode benötigte Datenmenge ist“.

Zweck der Methode ist Vorhersage„Vorhersage“ befindet sich nicht in der Liste (Voraussage, Inferenz, Simulation, Kausale Analyse) zulässiger Werte für das Attribut „Zweck der Methode ist“.

Methode ist Mitglied der Methodenfamilie Statistisch;Operationale Vorhersage„Statistisch;Operationale Vorhersage“ befindet sich nicht in der Liste (Mechanistisch, Statistisch, Maschinenlernen, Tiefes Lernen, Hybrid, Kausale Inferenz, Simulation, Operationale Vorhersage, Beschreibende und erkundende Analyse, Praktisches Anwendungskonzept, ...) zulässiger Werte für das Attribut „Methode ist Mitglied der Methodenfamilie“.

Interpretierbarkeit der Ergebnisse der Methode ist gut

Webseite: https://otexts.com/fpp3