Wyszukaj
Zaloguj / zarejestruj się
Jeśli masz już konto, możesz się zalogować.
Jeśli nie masz konta, zarejestruj nowe podając nazwę użytkownika, adres email i hasło.
Formularz kontaktowy
Memorizer+
Wykup dostęp
Ta funkcja jest dostępna dla użytkowników, którzy wykupili plan Memorizer+
Fiszki
Prognozowanie procesów ekonomicznych
Test w formie fiszek Pytania z podręcznika "Prognozowanie ekonomiczne, teoria przykłady zadania"
Ilość pytań: 108 Rozwiązywany: 16050 razy
Średnie obciążenie predykcji ex post w przypadku predykcji nieobciążonej jest
równe zeru
mniejsze od zera
większe od zera
Jeśli średnie obciążenie predykcji ex post jest mniejsze od zera, to oznacza, że prognozy są przeciętnie
niedoszacowane
przeszacowane
równe wartościom rzeczywistym
Średni błąd predykcji ex post określa
o ile średnio odchylają się realizacje zmiennej prognozowanej od obliczonych prognoz
jaki procent przeciętnej prognozy wynosi średnie obciążenie ex post predykcji
jaki procent przeciętnej rzeczywistej realizacji zmiennej prognozowanej stanowi średni błąd ex post predykcji
Składniki współczynnika Theila wskazują, że źródłem błędów predykcji może być m.in.:
wystarczająca elastyczność predykcji
niedostateczna predykcja punktów zwrotnych
obciążenie predykcji
O niedostatecznej elastyczności predykcji świadczy
niedostateczna zgodność kierunku zmian wartości rzeczywistych i prognoz
niedostateczna zgodność średnich wartości rzeczywistych i prognoz
niedostateczna zgodność poziomu zróżnicowania wartości rzeczywistych i prognoz
Współczynnik Janusowy służy do badania:
obciążenia modelu prognostycznego
elastyczności modelu prognostycznego
aktualności modelu prognostycznego
Względnymi miernikami dokładności ex post predykcji są:
współczynnik Theila i współczynnik Janusowy
względne obciążenie i względny błąd predykcji ex post
średnie obciążenie i średni błąd predykcji ex post
Błędy ex post predykcji powinny być:
stacjonarne
niestacjonarne
nie ma znaczenia czy są stacjonarne, czy też niestacjonarne
Jako ocenę składnika losowego modelu przyjmujemy
wartość reszt modelu
wartości teoretyczne modelu
wartości prognoz wygasłych
Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym powinna być równa
zeru
nie ma żadnej prawidłowości
jedności
Gdy wariancja składnika losowego jest duża to:
otrzymujemy model bardzo dobrze dopasowany do danych empirycznych
zbudowane prognozy są na pewno dopuszczalne
otrzymujemy bardzo dobre oszacowanie parametrów modelu
Horyzont prognozy to przedział postaci: del. = delta
( tn, tn + del.^2 ]
( tb, tb + del.^2 ]
( tb, T ]
Horyzont predykcji (dla bieżącego okresu) to przedział postaci: del. = delta
( tn, tn + del.^2 ]
( tb, tb + del.^2 ]
( tb, T ]
Horyzont predykcji (dla wyjściowego okresu prognozy) to przedział postaci:
( tb, tb + del.^2 ]
( tb, T ]
( tn, tn + del.^2 ]
Zasadę predykcji wg największego prawdopodobieństwa można zapisać w następujący sposób:
YPt - min E ( W ), gdzie W jest funkcją straty
YPt = E ( YT )
YPt = M0 ( YT )
Zasadę predykcji opartą na przedziale ufności można zapisać w następujący sposób:
YPt = M0 ( YT )
YPt = E ( YT )
P (Yt "należy do" IPt) - yr
Stopa bezrobocia w Polsce na koniec miesiąca od stycznia do września 2001 wynosiła 15,7; 15,9; 16,1; 16,0; 15,9; 16,0; 16,2; 16,3; 16,4; czy:
jest to szereg czasowy okresów
jest to szereg czasowy momentów
jest to przykład deterministycznego szeregu czasowego
Składowa systematyczna w szeregu czasowym może wystąpić w postaci
wahań sezonowych
trendu
wahań cyklicznych
Z działaniem przyczyn głównych związane jest występowanie w szeregu czasowym prognozowanej zmiennej:
składowej perdiodycznej
stałego przeciętnego poziomu
składnika losowego
Jeżeli każdy element szeregu czasowego można zapisać jako sumę składowych szeregu, to mamy do czynienia z modelem:
addytywnym
mieszanym
multiplikatywnym
Cześć!
Wykryliśmy, że blokujesz reklamy na naszej stronie.
Reklamy, jak zapewne wiesz, pozwalają na utrzymanie i rozwój serwisu. W związku z tym prosimy Cię o ich odblokowanie by móc kontynuować naukę.