、w、w第t1t2t3期实际销售额的权重123一家百货店发现在某4个月的期间内，其最佳预计算实例测结果由当月实际销售额的50，倒数第2个月销售额的25，倒数第3个月的15和倒数第4个月的10，其四个月的销售额分别为1009010595。第五个月的预测值为F050×95025×105015×90010×1005滑：975加权移动平均20012219725平
（3）指数平滑法前两种预测方法（简单移动平均和加权移动平均）中，主
f要点在于根据大量连续的历史数据预测未来，即随着模型中新数据的增添及过期数据的剔除，新的预测结果就可以预测出来。有的情况下，最近期的情况远比较早期的更能预测未来。如果越远的数据其重要性就越低，则指数平滑法就是逻辑性最强且最为简单的方法。消除预测值与实际值之间的误差单一指数平滑的公式为：FαA（α）FFαAFtt1t1t1t1t1F、F第t期和第t1期的指数平滑预测值；tt1αA第t1期的实际需求；平滑常数。t1指数平滑法2001221
FαA1αFtt1t1
α1αA1αF2t22
αA
α1αA1αFt1t2t23αAα1αAα1αA1αFt1t2t3t2之所以称之为指数平滑是因为每靠前一期其权重就降低1α。例如，设α005，则各个时期的权重如下所示权重因子000500最近期的权重α×（1α）1最近期的权重α×（1α）2的权重α×（1α）3α×（1α）指数平滑法20012210047500451最近期00429最近期的权重
优点：一般说来，在所有预测方法中，指数平滑法是用得最多的一种。它也是计算机预测程序的一个有机部分。其优点体现在：（1）指数模型的精度比较好（2）建立指数模型相对容易（3）使用模型无须过多计算（4）由于所用的历史数据有限，因而所需计算机内存很小（5）检测模型执行精度的运算很容易只需要三个数据就可预测未来：最近期的预测值、预测期的实际需求量和平滑常数。平滑常数决定了对预测值与实际值结果之间差异的响应速度。指数平滑法2001221
f指数平滑法算例：假设所研究的产品的长期需求相对稳定，平滑常数α005也F较合适，并假设上个月的预测值（t1）为1050个单位，如果实际需求为1000而不是1050，那么本月的预测值为：FαA1αFtt1t1×10001005×1050005
10475单位由于平滑自相关很小，所以新预测值
对误差为50单位的响应仅使得下月的预测值减少了25个单位。指数平滑法2001221
指数平滑中的趋势因素：用指数平滑法预测，一段时间内收集到的数据所呈现的上升或下降的趋势将导致指数预测滞后于实际r