Лекция 3. Экспоненциальное сглаживание.Методы Брауна, Хольта-Винтерса.Оценка параметров сглаживания.

Лекция №3 в курсе "Анализ данных на Python в примерах и задачах" (весна 2021).
Прогнозирование. Экспоненциальное сглаживание. Математическая модель. Методы Брауна, Хольта-Винтерса (Brown, Holt-Winters). Локальный тренд и локальная сезонность. Оценка параметров сглаживания (smoothing factor).
Университет ИТМО, факультет БИТ.
Преподаватель курса: Вадим Леонардович Аббакумов

[@IvanIsVladimira]

Спасибо, очень полезная информация

[@shapovalentine]

Благодарю, ценно🙏

[@borntodestroy7704]

В печь таких рукопопых преподов, так как на 7:10 ошибка в формуле(Xt должно быть)

[@Vadim_Abbakumov]

Общаться с критиком не хочется, но по существу он прав, у меня на слайде ошибка.

[@edkaprost3623]

А ты наверное никогда не делаешь ошибок? Или думаешь преподаватели не люди, а роботы?

[@_AbUser]

Не уверен... смысл рассчитывать модельное значение, в состав которого и так входит фактическое в тот же момент времени? "Сколько будет стоить батон хлеба через 5 лет, если он будет стоить 30 руб через 5 лет? " В том то и прикол фактическое заранее должно быть неизвестно.. ))) Вообще видел, что такая формула тоже встречалась, но это факап по моему.. Но подача конечно фиаско.. Вместо того, что бы назвать методы и сравнить, что в качестве входных параметров в них будет присутствовать и уложиться минут в 5-7 выдать это......