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
PRG
Test w formie fiszek PRG
Ilość pytań: 87 Rozwiązywany: 4885 razy
Suma wskaźników sezonowości (oczyszczonych):
zawsze jest równa 1
zależy od liczby cykli
jest równa 4 w przypadku wahań kwartalnych
Suma wskaźników sezonowości (oczyszczonych) w przypadku wahań miesięcznych:
jest równa 12
jest równa 12%
jest równa 1200%
Suma oczyszczonych bezwzględnych wahań sezonowych (model addytywny) w przypadku wahań miesięcznych:
jest równa 0
jest równa 12
zależy od liczby cykli
Modele adaptacyjne znajdują zastosowanie w prognozowaniu:
krótkoterminowym
długoterminowym
średniterminowym
Metodę średnich ruchomych można stosować w przypadku szeregów czasowych:
z trendem i bez wahań okresowych
bez trendu i bez wahań okresowych
bez trendu i z wahaniami okresowymi
Przy obliczaniu prognozy metodą średniej ruchomej ważonej wartością zmiennej:
zawsze przypisuje się takie same wagi
nie przypisuje się wag
można przypisać różne wagi
Metody naiwne znajdują zastosowanie w prognozowaniu:
krótkoterminowym
średnioterminowym
długoterminowym
W metodzie wyrównywania wykładniczego wartość wygładzona (dla t >1) jest średnią ważoną:
wartości rzeczywistej oraz poprzedniej wartości wygładzonej, powiększonej o wygładzony przyrost
wartości rzeczywistej i średniej ważonej kilku poprzednich wartości wygładzonych
wartości rzeczywistej i poprzedniej wartości wygładzonej
W przypadku zmiennej charakteryzującej się częstymi i nieregularnymi zmianami trendu stała wygładza-nia α w metodzie wyrównywania wykładniczego przyjmuje wartość bliską:
1/2
zeru
jedności
10. Metodę podwójnego wygładzania wykładniczego stosujemy w przypadku szeregów czasowych:
stacjonarnych
z trendem nieliniowym
z trendem liniowym
W metodzie wyrównywania wykładniczo-autoregresyjnego wartość wygładzona (dla t >k) jest średnią ważoną:
wartości rzeczywistej i poprzedniej wartości wygładzonej
wartości rzeczywistej oraz poprzedniej wartości wygładzonej, powiększonej o wygładzony przyrost
wartości rzeczywistej i średniej ważonej kilku poprzednich wartości wygładzonych
Etap wygładzania w metodzie wyrównywania wykładniczo-autoregresyjnego jest taki sam, jak w metodzie wyrównywania wykładniczego, gdy:
k=1
Beta1=1
alfa = 1/2
W metodzie Holta wartość wygładzona (dla t >1) jest średnią ważoną:
wartości rzeczywistej i poprzedniej wartości wygładzonej
wartości rzeczywistej i średniej ważonej kilku poprzednich wartości wygładzonych
wartości rzeczywistej oraz poprzedniej wartości wygładzonej, o powiększonej o wygładzony przyrost
Metoda trendu pełzającego znajduje zastosowanie w prognozowaniu:
średnioterminowym
krótkoterminowym
długoterminowym
Równań odcinkowych w metodzie trendu pełzającego z k = 7, dla szeregu czasowego zawierającego 14 okresów, możemy wyznaczyć:
14
7
8
Wagi harmoniczne dają:
monotonicznie rosnące udziały dla informacji coraz bliższych ostatniemu wyrazowi badanego szeregu czasowego
monotonicznie rosnące udziały dla informacji coraz dalszych ostatniego wyrazu badanego szeregu czasowego
monotonicznie malejące udziały dla informacji coraz bliższych ostatniemu wyrazowi badanego szeregu czasowego
Błędy predykcji możemy oszacować ex ante w przypadku metody:
trendu pełzającego z wagami harmonicznymi
Wintersa
Holta
Wykorzystując liniowy lub sprowadzalny do postaci liniowej model przyczynowo opisowy można:
ocenić siłę wpływu poszczególnych zmiennych na zmienną prognozowaną
oszacować ex ante błędów wyznaczonych na jego podstawie prognoz
na jego podstawie uzyskać prognozy wariantowe
Wady modelu przyczynowo opisowego to:
możliwość obliczenia prognoz wariantowych
potrzeba wyznaczenia wartości zmiennych objaśniających w okresie, w którym buduje się prognozy
problemy przy estymacji parametrów związane z możliwością wystąpienia zjawiska współli-niowości
W celu wyboru postaci związku funkcyjnego f między zmienną objaśnianą a zmiennymi objaśniającymi przy budowie prognostycznego modelu przyczynowo opisowego możemy wykorzystać:
istniejącą teorię na temat prognozowanego zjawiska
analizę materiału statystycznego
współliniowość zmiennych objaśniających
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.