Prognozowanie to przewidywanie:

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

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 relacji prognozy niekorzystnej, to mamy do czynienia z funkcją:

Funkcja informacyjna polega na:

Budowanie prognozy ekonomicznej jest tym bardziej uzasadnione, im:

Do metod heurystycznych zaliczamy:

Do wielorównaniowych modeli ekonomicznych zaliczamy:

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

Ze względu na cel (kryterium podziału) otrzymujemy prognozy:

Prognoza: „w przyszłym roku chętnych na studia dzienne w AE w Krakowie będzie więcej niż w bieżą-cym roku” jest prognozą:

Prognoza: „w przeszłym roku chętnych na studia dzienne w AE w Krakowie będzie więcej o 500 osób niż w bieżącym roku” jest prognozą:

Prognoza: „w przyszłym roku przyjęcia na studia uzupełniające magisterskie w AE w Krakowie będą się odbywać na podstawie konkursu świadectw”, jest prognozą:

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

Prognozy dopuszczalne otrzymujemy wtedy, gdy:

Spodziewana wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognoz, to:

Wartość odchylenia 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 m. in.:

Klasyczne założenie teorii predykcji to m. in.:

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

Zmodyfikowanie 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:

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

Czysty błąd predykcji wyraża:

Względny błąd predykcji określa:

Miernikiem dokładności predykcji przedziałowej jest:

Wiarygodność predykcji przedziałowej oznacza, że:

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 nieodciążonej jest:

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

Średni błąd predykcji ex post określa

Składniki współczynnika Thail’a 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:

Stopa bezrobocia w Polsce na koniec miesiąca od stycznia do września 2001 r. 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:

Za paraboliczną postacią trendu przemawiają w miarę stałe:

Za wykładniczą postacią trendu przemawiają w miarę stałe:

Za liniową postacią trendu przemawiają w miarę stałe:

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

Model trendów jednoimiennych okresów polega na

Do opisu szeregu czasowego zawierającego obserwacje z 24 kwartałów pewnej zmiennej wybrano ana-lizę harmoniczną, czyli:

Suma bezwzględnych 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 miesięcznych:

Modele adaptacyjne znajdują zastosowanie w prognozowaniu:

Metodę średnich ruchomych można stosować w przypadku szeregów czasowych:

Przy obliczaniu prognozy metodą średniej ruchomej ważonej wartością zmiennej:

Metody naiwne znajdują zastosowanie w prognozowaniu:

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

W przypadku zmiennej charakteryzującej się częstymi i nieregularnymi zmianami trendu stała wygładza-nia α w metodzie wyrównywania wykładniczego przyjmuje wartość bliską:

10. 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:

Wagi harmoniczne dają:

Błędy predykcji możemy oszacować ex ante w przypadku metody:

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

Wady modelu przyczynowo opisowego to:

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

W poprawnie zbudowanym modelu przyczynowo opisowym:

Przy szacowaniu parametrów modelu przyczynowo opisowego metodą MNK występowanie współliniowości zmiennych objaśniających jest zjawiskiem

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

Zmienna objaśniająca w modelu przyczynowo opisowym powinna:

Kryterium podziału modeli wielorównaniowych na modele proste, rekurencyjne i o równaniach współza-leżnych jest:

Jeśli 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: