3. Метод экспоненциального сглаживания.

В этой схеме метода для любого прогнозируемое значение в момент времени t+1 представляет собой взвешенную сумму фактического объема продаж y_t за период времени t и прогнозируемого объема продаж за период времени t. Другими словами

,

где α – определенная константа такая, что . Значение константы α определяет значение веса, которое имеет самое последнее наблюдение при вычислении прогнозируемого значения на следующий период.

С помощью средства «Поиск решения» можно найти оптимальное значение α , при котором среднее абсолютных отклонений будет минимально.

В таблице 4 представлены результаты вычисления.

Номер	Месяц	Объем продаж, тыс.$ (y(t))	Прогноз продаж(^y)	Абсолютное отклонение	Относительное отклонение	a
1	январь	20	20			0,75
2	февраль	24	20
3	март	27	23
4	апрель	31	26,00
5	май	37	29,75	7,25	0,20
6	июнь	47	35,19	11,81	0,25
7	июль	53	44,05	8,95	0,17
8	август	62	50,76	11,24	0,18
9	сентябрь	54	59,19	5,19	0,10
10	октябрь	36	55,30	19,30	0,54
11	ноябрь	32	40,82	8,82	0,28
12	декабрь	29	34,21	5,21	0,18
13	январь		30,30
			САО	9,72
			СООП	23,56%

Таблица 4 - Прогнозирование методом экспоненциального сглаживания

Вывод

Я выбираю метод взвешенного скользящего среднего, потому что СООП в этом методе минимально.

2. Прогнозирование численности пользователей сети Интернет

Задание1. Осуществить прогноз численности пользователей сети Интернет в России на 3 периода вперед.

5. По исходным данным построить график изменения численности аудитории сети Интернет.