簡單移動平均可以表述為：f=∑x/n

　　其中：f是預測數， n是在計算移動平均值時所使用的歷史數據的數目，即移動時段的長度

　　為了進行預測，需要對每一個t計算出相應的Ft+1，所有計算得出的數據形成一個新的數據序列。經過兩到三次同樣的處理，歷史數據序列的變化模式將會被揭示出來。這個變化趨勢較原始數據變化幅度小，因此，移動平均法從方法論上分類屬于平滑技術。

　?。ǘ﹏的選擇

　　采用移動平均法進行預測，實際工作中平均數的時期數n的選擇非常重要。這也是移動平均的難點。

　　不同n的選擇對所計算的平均數是有較大影響的。

　　n值越小，表明對近期觀測值預測的作用越重視，預測值對數據變化的反應速度也越快，但預測的修勻程度較低，估計值的精度也可能降低。

　　n值越大，預測值的修勻程度越高，但對數據變化的反映程度較慢。

　　因此，n值的選擇無法二者兼顧，應視具體情況而定。

　　n一般在3—200之間，視序列ざ群馱げ餑勘昵榭齠??？BR>一般對水平型數據，n值的選取較為隨意；一般情況下，如果考慮到歷史上序列中含有大量隨機成分，或者序列的基本發(fā)展趨勢變化不大，則n應取大一點。對于具有趨勢性或階躍型特點的數據，為提高預測值對數據變化的反應速度，減少預測誤差，n值取較小一些，以使移動平均值更能反映目前的發(fā)展變化趨勢。

　?。ㄈ┖唵我苿悠骄膽梅秶?/strong>