Prognozowanie to:

Funkcja informacyjna polega na"

Budowanie prognozy ekonomicznej jest tym bardziej uzasadnione, im:

Do metod heurystycznych zaliczamy:

Do wielorównaniowych modeli ekonometrycznych zaliczamy

Podział prognoz na długo-, średnio-, krótkoterminowe i bezpośrednie uzyskujemy w oparciu o kryterium

Ze względu na cel (kryterium podziału) otrzymujemy prognozy:

Prognozowanie to przewidywanie przyszłości:

Prognoza to:

Ogół zasad i metod wnioskowania o przyszłości na podstawie odpowiedniego modelu ekonometrycznego, opisującego pewien wycinek sfery zjawisk ekonomicznych to:

Trzy podstawowe funkcje prognoz to:

Stworzenie, dzięki prognozie, dodatkowych przesłanek w procesie podejmowania racjonalnych decyzji gospodarczych, to funkcja

Jeżeli ogłoszenie prognozy powoduje podejmowanie działań sprzyjających realizacji prognozy korzystnej lub przeciwstawiających się realizacji prognozy niekorzystnej, to mamy do czynienia z funkcją:

Prognoza: "w przyszłym roku chętnych na studia dzienne w AE będzie więcej niż w bieżącym roku" jest prognozą:

Prognoza: "w przyszłym roku chętnych na studia dzienne w AE będzie więcej o 500 osó niż w bieżącym roku" jest prognozą:

Prognoza: "w przyszłym roku przyjęcia na studia magisterskie w AE będą odbywać się na podstawie konkursu świadectw" jest prognozą:

Wyprzedzenie czasowe prognozy (w stosunku do bieżącego okresu) jest równe realnemu wyprzedzeniu czasowemu prognozy wtedy i tylko wtedy, gdy:

Prognozy dopuszczalne otrzymujemy wtedy, gdy

Spodziewana wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognoz to:

Wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz to:

Wybór modelu prognostycznego może zostać oparty na:

Z dwóch konkurencyjnych modeli prognostycznych wybieramy ten, który charakteryzuje się

Dane statystyczne, na podstawie których szacuje się parametry modelu prognostycznego, powinny być

Klasyczne założenia teorii predykcji to m.in.:

Znajomość modelu kształtowania się zmiennej prognozowanej (pierwsze klasyczne założenie teorii predykcji) oznacza m.in.:

Zmodyfikowane założenia teorii predykcji to m.in.:

Prawie stabilność oznacza, że występują zmiany, ale:

Rodzaje predykcji ilościowej to:

Rodzaje predykcji jakościowej to:

Predykcja punktów zwrotnych polega na:

Zasadę predykcji nieobciążonej stosujemy wówczas, gdy:

Zasada predykcji nazywana ekonomiczną to:

Zasada predykcji nieobciążonej i wg największego prawdopodobieństwa dają takie same prognozy, gdy zmienna prognozowana ma rozkład

Zmienną losową Dt = Yt - YPt nazywamy:

Czysty błąd predykcji wyraża:

Względny błąd predykcji określa:

Miernikiem dokładności predykcji przedziałowej jest:

Wiarygodność predykcji przedziałowej oznacza, ze:

Zwiększenie wiarygodności predykcji przedziałowej, przy stałym rozmiarze "próby", prowadzi do:

Przez prognozę wygasłą rozumiemy prognozę obliczoną dla okresu, dla którego

Średnie obciążenie predykcji ex post w przypadku predykcji nieobciążonej jest

Jeśli średnie obciążenie predykcji ex post jest mniejsze od zera, to oznacza, że prognozy są przeciętnie

Średni błąd predykcji ex post określa

Składniki współczynnika Theila wskazują, że źródłem błędów predykcji może być m.in.:

O niedostatecznej elastyczności predykcji świadczy

Współczynnik Janusowy służy do badania:

Względnymi miernikami dokładności ex post predykcji są:

Błędy ex post predykcji powinny być:

Jako ocenę składnika losowego modelu przyjmujemy

Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym powinna być równa

Gdy wariancja składnika losowego jest duża to:

Horyzont prognozy to przedział postaci: del. = delta

Horyzont predykcji (dla bieżącego okresu) to przedział postaci: del. = delta

Horyzont predykcji (dla wyjściowego okresu prognozy) to przedział postaci:

Zasadę predykcji wg największego prawdopodobieństwa można zapisać w następujący sposób:

Zasadę predykcji opartą na przedziale ufności można zapisać w następujący sposób:

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:

Składowa systematyczna w szeregu czasowym może wystąpić w postaci

Z działaniem przyczyn głównych związane jest występowanie w szeregu czasowym prognozowanej zmiennej:

Jeżeli każdy element szeregu czasowego można zapisać jako sumę składowych szeregu, to mamy do czynienia z modelem:

Na rysunku przedstawiono wykres szeregu czasowego pewnej zmiennej. Na jego podstawie możemy stwierdzić, że w szeregu tym występuje:

O istnieniu trendu wykładniczego można mówić wówczas, gdy na wykresie wzdłuż linii prostej układają się punkty o współrzędnych:

Na rysunku przedstawiono wykres szeregu czasowego pewnej zmiennej. Na jego podstawie możemy stwierdzić, ze w szeregu tym występuje:

O istnieniu trendu potęgowego można mówić wówczas, gdy na wykresie wzdłuż linii prostej układają się punkty o współrzędnych:

Za paraboliczną postacią trendu przemawiają w miarę stałe:

Za wykładniczą postacią trendu przemawiają w miarę stałe:

Za liniową postacią trendu przemawiają w miarę stałe:

W celu oszacowania parametrów funkcji trendu f(t) = t / a0 + a1t odpowiedni model sprowadzamy do postaci liniowej przez następującą transformację zmiennej y oraz t:

Szereg czasowy przedstawia wartości pewnej zjawiska co kwartał. Na podstawie analizy graficznej jego przebiegu stwierdzamy, że co cztery kwartały wykazuje on podobne własności, zatem:

Metoda trendów jednoimiennych okresów polega na:

Do opisu szeregu czasowego zawierającego obserwacje z 24 kwartałów pewnej zmiennej wybrano analizę harmoniczną, czy:

Suma bezwględnych wahań sezonowych (oczyszczonych)

Suma wskaźników sezonowości (oczyszczonych)

Suma wskaźników sezonowości (oczyszczonych) w przypadku wahań miesięcznych

Suma oczyszczonych bezwzględnych wahań sezonowych (model addytywny) w przypadku wahań miesięczny

Patrz obrazek

Wykorzystując liniowy lub sprowadzalny do postaci liniowej model przyczynowo-opisowy można:

Wady modelu przyczonowo-opisowego to:

W celu wyboru postaci związku funkcyjnego f między zmienną objaśnianą a zmiennymi objaśniającymi przy budowaniu prognostycznego modelu przyczynowo-opisowego możemy wykorzystać:

W poprawnie zbudowanym modelu przyczynowo-opisowym”

Przy szacowaniu parametrów modelu przyczynowo-opisowego metodą najmniejszych kwadratów występowanie współliniowości zmiennych objaśniających jest zjawiskiem:

Oszacowano pewien model przyczynowo-opisowy i okazało się ze spółczynnik determinacji jest „prawie” równy 1, ale jego parametry są statystycznie nieistotne. Przyczyną uzyskania takich wyników może być:

Zmienna objaśniająca w modelu przyczynowo-opisowym powinna:

Oszacowanie ex ante średniego błędu predykcji prognozy wyznaczonej w poprzednim sprawdzianie (10) wynosi (po zaokrągleniu do 4 miejsc po przecinki):

Na podstawie danych o kształtowaniu się liczby telefonów na 1000 mieszkańców w Polsce Yt (w tys. Szt) oraz liczby mieszkańców miast Polski Xt (w mln osób) w latach 1984-1997 oszacowano następujący model y^t = -147+12xt. ponadto liczbę mieszkańców miast Polski w latach 1984-1997 opisano modelem x^t = 19+0,3t

Kryterium podziału modelu wielorównaniowych na modele proste, rekurencyjne i równaniach współzależnych jest:

Jeżeli macierz B parametrów strukturalnych danego modelu wielorównaniowego stojących przy zmiennych łącznie współzależnych jest trójkątna to mamy do czynienia z modelem

Jeżeli macierz B parametrów strukturalnych danego modelu wielorównaniowego stojących przy zmiennych łącznie współzależnych jest diagonalna to mamy do czynienia z modelem

Predykcję łańcuchową stosujemy w przypadku wielorównaniowego modelu

Modele adaptacyjne znajdują zastosowanie w prognozowaniu

Metodę średnich ruchomych można stosować w przypadku szeregów czasowych

przy obliczaniu prognozy metodą średniej ruchomej ważonej wartościom zmiennej:

metody naiwne znajdują zastosowanie w prognozowaniu

prognozę dla zmiennej wykazującej tendencję wzrostową (spadkową) o pewien procent c * 100, w metodzie naiwnej, obliczamy ze wzoru postaci:

w metodzie wyrównywania wykładniczego wartość wygładzona (dla t>1) jest średnią ważoną:

W przypadku zmiennej charakteryzującej się częstymi i nieregularnymi zmianami trendu stała wygładzania α w metodzie wyrównywania wykładniczego przyjmuje wartość bliską

Prognozę w metodzie wyrównywania wykładniczego obliczamy ze wzoru:

w metodzie wyrównywania wykładniczego we wzorze na y^t role wagi przypisanej wartości rzeczywistej z okresu t-5 pełni wyrażenie

metodę podwójnego wygładzania wykładniczego stosujemy w przypadku szeregów czasowych

w metodzie wyrównywania wykładniczo-autoregresyjnego wartość wygładzona (dla t>k) jest średnią ważoną:

etap wygładzania w metodzie wyrównywania wykładniczo-autoregresyjnego jest taki sam jak w metodzie wyrównywania wykładniczego gdy:

w metodzie Holta wartość wygładzona (dla t>1) jest średnią ważoną:

metoda trendu pełzającego znajduje zastosowanie w prognozowaniu

równań odcinkowych w metodzie trendu pełzającego z k=7 dla szeregu czasowego zawierającego 14 okresów, możemy wyznaczyć

Prognozę w metodzie trendu pełzającego z wagami harmonicznymi obliczamy ze wzoru

Wagi harmoniczne dają

Błędy predykcji możemy oszacować ex ante w przypadku metody