A-1データ分析・データ利活用 · 業務分析

指数平滑法

Exponential Smoothing

しすうへいかつほう

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。

共有:

Past Exams

過去問での出題

過去問で 7 回出題（応用情報技術者試験 3・ITストラテジスト試験 2・高度試験午前Ⅰ 2）

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。

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。

同じ対象を時間の経過に沿って一定の間隔で観測・記録したデータ。株価、日々の売上、センサの測定値などが該当し、傾向変動（トレンド）、季節変動などの周期的な変動、不規則変動に分けて分析し、将来の値の予測に用いる。

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。

過去の販売実績や市場の動向などのデータをもとに、将来の製品やサービスの需要量を予測すること。移動平均法や指数平滑法などの時系列分析、最小二乗法による回帰分析、専門家の意見を集約するデルファイ法などを用い、生産計画、在庫管理、要員計画の基礎になる。

観測データに最もよく当てはまる直線や曲線を求める方法で、各データの実測値と予測値の差（残差）を2乗した和が最小になるように係数を決める。回帰分析で回帰式を求める標準的な方法であり、需要予測で過去の実績から傾向線を引く際にも使う。

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。