do sezonowości to Gt, będzie - w danym okresie czasu nakłady inwestycyjne są przeciętnie wyższe/niższe od nakładów wyznaczonych ogólną tendencją rozwojową o Gt
Dla całego horyzontu prognozy średnio mylimy się o RME jednostek y. Prognozy odchylają się średnio o MAPE% od wartości rzeczywistych. Błąd maksymalny wyniósł MAE%, co znaczy że maksymalnie mylimy się o MAE%. Błąd RMSE jest większy, ponieważ został skorygowany liczbą stopni swobody.
1) Kierując się kryterium Akaike’a wybieramy model, dla którego wielkość
tego kryterium będzie:
d) Najmniejsza
2) Selekcji modelu do prognozowania nie można dokonać wykorzystując
a) Metodę Gaussa Seidla
3) Modelu Wintersa nie stosuję się do prognozowania zjawiskacharakteryzujących się
a) Występowaniem wyłącznie trendu i wahań periodycznych
b) Występowaniem stałego poziomu
4) Wahania cykliczne to takie które:
c) pojawiają się w okresie powyżej roku w ściśle określonych odstępach
5) Dekompozycja szeregu pozwala „oczyścić” go z:
c) Z trendu lub stałej tendencji oraz wahań periodycznych iprzypadkowych
Pytanie 1: Jakie kryterium można zastosować do wyboru odpowiedniego modelu
ekonometrycznego (jakoś tak to brzmiało):
b) kryterium informacyjne Hannana-Quinna
c) kryterium informacyjne Schwarza-Bayesa)
Pytanie 2: Podane były wartości kryterium Akaike'a dla 3 modeli chyba jakichś
autoregresyjnych i na ich podstawie trzeba było wybrać model, który możemydalej badać (jakoś tak). Odpowiedzią powinien być podpunkt, w którym ten
wskaźnik Akaike'a ma wartość najmniejszą.
Pytanie 3: Modelu Holta NIE stosuje się, gdy:
występują wahania czasowe/periodyczne (np. sezonowe)
Pytanie 5: Dekompozycja szeregu czasowego polega na:
identyfikacji trendu/stałego poziomu, wahań sezonowych oraz przypadkowych
6 Reguła minimalizowania straty
ustalenie prognozy na poziomie minimalizującym pewną nieujemną funkcję błędu predykcji
7 Model Holta stosuje się gdy występują
trend
wachania przypadkowe
Modele trenfu jednoimiennych okresów wykorzystuje się do
wyznaczania przyszłych wartości zmiennej prognozowanej kiedy występują wachania sezonowe
Model Wintersa jest rozwinieciem Holta o
wahania sezonowe
Założenia teorii predykcji
1. Znane są oszacowania parametrów modelu, w którym zmienna (zmienne) prognozowana jest zmienną objaśnianą,
2. model powinien być wszechstronnie i pozytywnie zweryfikowany,
3. znane są wartości (lub oszacowania) zmiennych objaśniających dla określonego horyzontu prognozy,
4. rozkład składnika losowego jest stacjonarny,
5. parametry modelu są stabilne lub ulegają zmianom, których kierunek i siłę można przewidzieć, postać analityczna modelu jest stabilna.
Prognoza przedziałowa
Przedział ufności dla prognozy (prognozę przedziałową) konstruuje się w oparciu o wyznaczony średni błąd predykcji ex ante oraz o wartości statystyki ta jako:
w którym z prawdopodobieństwem znajduje się wartość zmiennej prognozowanej. Prawdopodobieństwo nazywa się wiarygodnością prognozy. Statystyka t ma n-(k+1) stopni swobody.
przedziały ufności, odpowiedzi: a)dla zm. prognozowanej, b) dla parametrów modelu
które modele należą do prognozowania bezpośredniego i odpowiedzi: a)ARIMA(p,d,q), b)AR(p), c)MA(q) d) ARMA(p,g