Üstel Düzeltme Hesaplama

İstatistikSon güncelleme: 22 Ağustos 2026

Basit üstel düzeltme (Brown yöntemi), bir zaman serisini geçmiş gözlemlerin geometrik olarak azalan ağırlıklarla ortalamasına dönüştürür. Hareketli ortalamadan farkı, pencerede yer alan gözlemleri eşit ağırlıklamak yerine tüm geçmişi kullanıp yeni gözlemlere daha çok ağırlık vermesidir.

Bu araç seçtiğiniz α katsayısıyla düzeltilmiş seriyi (Sₜ), bir adım ileri tahminleri ve bir sonraki dönemin tahminini hesaplar; MAE, MSE, RMSE ve MAPE ölçütlerini üretir, α'yı 0,05 adımlarla tarayarak RMSE'yi en küçükleyen değeri önerir ve farklı α değerlerinin seriyi nasıl düzleştirdiğini grafikte karşılaştırır.

Değerleri dönem sırasına göre girin (en eski önce). Seri eşit aralıklı ve eksiksiz olmalıdır.
0 < α ≤ 1. Küçük α geçmişe, büyük α son gözleme ağırlık verir. Uygulamada 0,1–0,3 aralığı yaygındır.

Basit Üstel Düzeltme Formülleri

Düzeltme:            Sₜ = α·yₜ + (1 − α)·Sₜ₋₁
Başlangıç:           S₁ = y₁
Bir adım tahmin:     ŷₜ = Sₜ₋₁
Gelecek tahmin:      ŷₙ₊ₕ = Sₙ   (her h için aynı)
Geçmiş ağırlıkları:  α, α(1 − α), α(1 − α)², …
Etkin gözlem sayısı: (2 − α) / α
Yarılanma:           ln(0,5) / ln(1 − α) dönem
MAE = Σ|eₜ|/n   MSE = Σeₜ²/n   RMSE = √MSE   MAPE = (100/n)·Σ|eₜ/yₜ|

Yöntem trend ve mevsimsellik içermez; ağırlıklar geçmişe doğru geometrik olarak azalır. Aynı α ile Excel'in Veri Analizi > Üstel Düzeltme aracı "damping factor" olarak 1 − α ister; SPSS Forecasting modülünde Simple exponential smoothing modeli aynı özyinelemeyi kullanır.

Nasıl Hesaplanır?

  1. Zaman serisi değerlerinizi dönem sırasına göre (en eski önce) girin.
  2. Düzeltme katsayısı α'yı seçin: gürültülü ve düzeyi sabit seride küçük, hızlı değişen seride büyük α kullanın.
  3. Dönem tablosunda düzeltilmiş seriyi, bir adım ileri tahmini ve hatayı satır satır izleyin.
  4. MAE, MSE, RMSE ve MAPE değerlerine bakın; aracın önerdiği RMSE'yi en küçükleyen α ile kendi seçiminizi karşılaştırın.
  5. α karşılaştırma grafiğinde farklı katsayıların seriyi ne kadar düzlediğini ve ne kadar geriden izlediğini görün.
  6. Ortalama hata sıfırdan belirgin biçimde uzaksa seride trend olabilir; Holt doğrusal trend yöntemine geçmeyi değerlendirin.

Örnek Hesaplamalar

Dalgalı satış serisinde α = 0,30

12 dönemlik dalgalı ama yükselen seride α = 0,30 ile son düzeltilmiş değer 62,92 ve 13. dönem tahmini de 62,92 olur. MAE 4,23, RMSE 5,09 ve MAPE %7,03 çıkar; 0,05 adımlı tarama RMSE'yi 4,564'e indiren α = 0,55 değerini önerir. Ortalama hata +3,31 olduğu için tahminler sistematik olarak düşük kalır: bu, seride basit üstel düzeltmenin yakalayamadığı bir trend bulunduğunun işaretidir.

Bir sonraki dönem tahmini (13. dönem): 62,92 · Son düzeltilmiş değer (Sₙ): 62,92 · Kullanılan α: 0,30

Küçük α ile güçlü düzleştirme

Aynı seride α = 0,10 seçildiğinde düzeltilmiş seri çok daha yumuşaktır: son düzeltilmiş değer 57,88, 13. dönem tahmini 57,88'dir. Geçmiş ağırlıkları 6,58 dönemde yarıya iner ve yöntem yaklaşık 19,00 dönemlik hareketli ortalamaya denk düşer. RMSE 7,02 ve ortalama hata +5,35 ile her iki hata ölçüsü de daha büyük bir α seçildiğindekinin üzerine çıkar; trendli seride aşırı düzleştirme tahmin hatasını büyütür.

Bir sonraki dönem tahmini (13. dönem): 57,88 · Son düzeltilmiş değer (Sₙ): 57,88 · Kullanılan α: 0,10

Düzeyi sabit, gürültülü ölçüm serisi

Trendsiz, sadece gürültü içeren bir seride α = 0,20 ile son düzeltilmiş değer 100,07 ve sonraki dönem tahmini 100,07'dir. RMSE 2,92 ve MAPE %2,55 gibi küçük değerler alır; ortalama hata yalnızca 0,0303 olduğu için sistematik yanlılık yoktur. Serinin standart sapması 2,63 iken düzeltilmiş serininki 0,3585'e iner: düzleştirme gürültünün büyük bölümünü bastırmıştır.

Bir sonraki dönem tahmini (13. dönem): 100,07 · Son düzeltilmiş değer (Sₙ): 100,07 · Kullanılan α: 0,20

Sıkça Sorulan Sorular

α katsayısını nasıl seçmeliyim?
Uygulamada iki yol vardır: hata ölçütünü en küçükleyen değeri sayısal olarak aramak veya serinin niteliğine göre karar vermek. Düzeyi sabit ve gürültülü serilerde 0,1–0,3 aralığı yaygındır; düzeyi sık değişen serilerde 0,4 ve üzeri tercih edilir. Bu araç α'yı 0,05 adımlarla tarayıp RMSE'yi en küçükleyen değeri önerir, ancak aynı veriyle hem seçim hem değerlendirme yapmak iyimser sonuç verir.
Üstel düzeltme ile hareketli ortalama arasındaki fark nedir?
Hareketli ortalama yalnızca son p gözlemi eşit ağırlıkla kullanır ve pencereden çıkan gözlemi tümüyle atar. Üstel düzeltme ise tüm geçmişi kullanır ama ağırlıkları α(1 − α)^k biçiminde geometrik olarak azaltır, yani eski gözlemler hiç kaybolmaz, sadece önemsizleşir. α ile p arasında yaklaşık p = (2 − α)/α ilişkisi vardır: α = 0,2 kabaca 9 dönemlik hareketli ortalamaya denk düşer.
Neden gelecek tahminlerinin hepsi aynı?
Basit üstel düzeltmede model yalnızca bir düzey bileşeni içerir; trend veya mevsimsellik bileşeni yoktur. Bu nedenle ŷₙ₊ₕ = Sₙ olur ve tahmin ufku ne olursa olsun yatay bir doğru üretilir. Trend varsa Holt doğrusal trend yöntemi, mevsimsellik varsa Holt-Winters veya mevsimsel ayrıştırma gerekir.
Excel'deki damping factor ile α aynı şey mi?
Hayır, birbirinin tümleyenidir. Excel'in Veri Analizi > Üstel Düzeltme aracı sönümleme çarpanı (damping factor) olarak 1 − α ister; yani α = 0,3 için Excel'e 0,7 girilir. Ayrıca Excel çıktısını bir satır kaydırarak yazar, bu yüzden tabloları karşılaştırırken dönem hizasına dikkat edilmelidir. SPSS Forecasting modülü ve R'daki forecast paketinin ses() işlevi doğrudan α ile çalışır.
Ortalama hatanın sıfırdan farklı olması ne anlama gelir?
Ortalama hata (yanlılık) tahminlerin sistematik olarak yüksek mi düşük mü kaldığını gösterir. Sürekli pozitif bir ortalama hata, gerçek değerlerin tahminlerin üzerinde seyrettiğini, yani modelin yakalayamadığı bir yükseliş trendi bulunduğunu düşündürür. Bu durumda α'yı büyütmek geçici bir çözümdür; doğru adım trend bileşeni içeren bir modele geçmektir.
α = 1 seçersem ne olur?
α = 1 olduğunda Sₜ = yₜ olur, yani düzeltme tümüyle ortadan kalkar ve model naif tahmine (bir sonraki dönem = bu dönem) dönüşür. Bu, gürültüyü hiç bastırmaz ama düzey değişimlerine anında tepki verir. Naif tahmin, herhangi bir düzleştirme yönteminin aşması gereken temel karşılaştırma ölçütü olarak kullanılır.
Kaç dönemlik veriye ihtiyaç var?
Yöntem matematiksel olarak 2 gözlemle çalışır ama anlamlı bir değerlendirme için en az 10–15 dönem önerilir. Kısa serilerde başlangıç değeri seçiminin (S₁ = y₁) etkisi sonuçlara sızar ve hata ölçütleri kararsız olur. Mevsimsel bir seride ise en az iki tam mevsim döngüsü gerekir, ancak bu durumda basit üstel düzeltme zaten uygun yöntem değildir.