你想弄懂什么？

视频展示了单参数指数平滑更新规则。新预测等于先前的预测加上先前预测误差的一部分 alpha，其中误差被衡量为前一期的实际值减去预测值。

适用条件：在离散时间段上递归使用。；需要一个起始预测值。；在示例中，alpha 提供为 0.2。

视频展示了单参数指数平滑更新规则。新预测等于先前的预测加上先前预测误差的一部分 alpha，其中误差被衡量为前一期的实际值减去预测值。

适用条件：在离散时间段上递归使用。；需要一个起始预测值。；在示例中，alpha 提供为 0.2。

在这段视频中，设置完成到第 2 周公式，并解释了后续周的递归模式；第 11 周的数值预测尚未在屏幕上计算出来。

适用条件：视频在演示完第 2 周公式输入后结束。；开头陈述的目标是找到第 11 周的预测。

在这段视频中，设置完成到第 2 周公式，并解释了后续周的递归模式；第 11 周的数值预测尚未在屏幕上计算出来。

适用条件：视频在演示完第 2 周公式输入后结束。；开头陈述的目标是找到第 11 周的预测。

因为递归公式需要一个先前的预测，视频演示了一种简单的初始化方法：将第一个预测设置为等于第一个实际观测值。在示例中，这给出 $F(1)=A(1)=1103$。

适用条件：适用于没有更早的预测可用时。；在示例中专门针对第 1 周展示。

因为递归公式需要一个先前的预测，视频演示了一种简单的初始化方法：将第一个预测设置为等于第一个实际观测值。在示例中，这给出 $F(1)=A(1)=1103$。

适用条件：适用于没有更早的预测可用时。；在示例中专门针对第 1 周展示。

视频中将 alpha 定义为指数平滑常数。它乘以先前的预测误差，并确定添加到先前预测的调整大小。

适用条件：在问题中被视为给定的常数。；在示例的所有时期中保持固定。

视频中将 alpha 定义为指数平滑常数。它乘以先前的预测误差，并确定添加到先前预测的调整大小。

适用条件：在问题中被视为给定的常数。；在示例的所有时期中保持固定。

图表图例通过颜色区分观测到的销售额和模型生成的预测。蓝线是单位销售额，红线是预测，因此随着每周添加预测，可以看到指数平滑的视觉效果。

适用条件：图表链接到包含实际值和预测列的 Excel 表格。；颜色在图例中一致分配。

图表图例通过颜色区分观测到的销售额和模型生成的预测。蓝线是单位销售额，红线是预测，因此随着每周添加预测，可以看到指数平滑的视觉效果。

适用条件：图表链接到包含实际值和预测列的 Excel 表格。；颜色在图例中一致分配。

视频将数学递推关系转换为 Excel 公式。对于第 2 周，当前预测由单元格 C4 中的第 1 周预测、单元格 B4 中的第 1 周实际值以及单元格 B2 中的平滑常数计算得出。

适用条件：需要一个在一个列中有实际值而在另一个列中有预测值的表格。；对前行值使用相对引用，对 alpha 使用绝对引用。

视频将数学递推关系转换为 Excel 公式。对于第 2 周，当前预测由单元格 C4 中的第 1 周预测、单元格 B4 中的第 1 周实际值以及单元格 B2 中的平滑常数计算得出。

适用条件：需要一个在一个列中有实际值而在另一个列中有预测值的表格。；对前行值使用相对引用，对 alpha 使用绝对引用。