Materi
Metode naif memberi seluruh bobot pada pengamatan terakhir, metode rata-rata memberi bobot sama pada semua pengamatan. Pemulusan eksponensial sederhana (simple exponential smoothing, SES) berada di antara keduanya: ramalannya rata-rata berbobot yang bobotnya mengecil secara eksponensial untuk pengamatan yang makin lama. Bentuk rekursifnya ŷ_{t+1} = α·y_t + (1 − α)·ŷ_t, dengan 0 ≤ α ≤ 1: ramalan baru adalah campuran pengamatan terbaru dan ramalan sebelumnya. Hyndman dan Athanasopoulos menyebut SES cocok untuk data tanpa tren atau pola musiman yang jelas; ramalannya datar, sama untuk semua h.
α besar memberi bobot lebih besar pada pengamatan terbaru, sehingga ramalan cepat mengikuti perubahan; α = 1 sama dengan metode naif. α kecil memberi bobot lebih banyak pada masa lalu dan menghasilkan ramalan yang lebih mulus. Rekursi harus dimulai dari suatu nilai awal; NIST memakai pengamatan pertama sebagai ramalan periode kedua dan mencatat bahwa makin kecil α, makin penting pilihan nilai awal itu. Di pandas, s.ewm(alpha=α, adjust=False).mean() menghitung rekursi yang sama dengan nilai awal y_1; nilai terakhirnya adalah ramalan periode berikutnya.
Contoh dengan data lain: tiga hari pemakaian air dengan α = 0,5, dimulai dari ramalan awal 100.
import pandas as pd
air = [100, 110, 104]
f = 100 # ramalan hari ke-2 = pengamatan pertama
f = 0.5 * 110 + 0.5 * f # ramalan hari ke-3: 105.0
f = 0.5 * 104 + 0.5 * f # ramalan hari ke-4: 104.5
print(pd.Series(air, dtype=float).ewm(alpha=0.5, adjust=False).mean().iloc[-1]) # 104.5