最小二乗法

観測値と予測値の差（残差）の2乗の合計が最小になるように、直線や曲線の係数を決める方法。回帰分析で回帰式を求める代表的な手法であり、表計算ソフトの近似曲線もこれを使っている。

観測データと、それに当てはめる直線や曲線との差（残差）の二乗の和が最小になるように、式の係数を決める方法。回帰分析で回帰直線を求めるときに用い、需要予測などに応用される。

時系列データに、一定の間隔で同じような変動が繰り返し現れる性質。曜日による売上の変動や年単位の季節変動などがあり、傾向変動や不規則変動と分けて捉えることで需要予測の精度を高められる。周期の有無や長さは、自己相関やグラフの形から調べる。

時系列データについて、一定の期間の平均を、期間を1つずつずらしながら計算する方法。短期的な変動や不規則な変動をならして基調となる傾向を読み取り、直近の一定期間の平均を次期の予測値とする需要予測にも使う。新しいデータほど大きな重みを置く加重移動平均もある。

前回の予測値に、前回の実績値と予測値の差（予測誤差）に平滑化係数αを掛けたものを加えて、次回の予測値を求める需要予測の手法。予測値＝前回予測値＋α×（前回実績値−前回予測値）で計算し、過去のデータほど重みが指数的に小さくなる。αは0から1の値をとり、大きいほど直近の実績を強く反映する。

需要と供給の状況、時期、時間帯、在庫、競合の価格などに応じて、価格をきめ細かく変動させる価格設定の手法。航空券、ホテル、スポーツや演劇のチケットなどで使われ、AIやデータ分析によって自動で価格を調整する例が増えている。

顧客のサービスに対する現在と将来の需要を把握・予測し、それに応じたサービスの提供能力を確保するプロセス。把握した需要は容量・能力管理に生かすほか、課金や利用時間帯の調整によって需要そのものを平準化することもある。

時系列データについて、一定の期間の平均値を、期間を1つずつずらしながら順に求める手法。短期的な変動をならして傾向を把握するために用い、直近の一定期間の平均を次の期の予測値とする需要予測の方法（移動平均法）にも使われる。