1. Modele trendu i sezonowości
,
t
t
t
y
y
y
t
S
P
Y
η
+
+
=
(1)
,
it
it
it
x
x
x
it
S
P
X
η
+
+
=
,
,
,
2
,
1
k
i
K
=
(2)
gdzie:
t
y
P
i
it
x
P
oznaczają wielomianowe funkcje zmiennej
czasowej t,
t
y
S
i
it
x
S
– składniki sezonowe o stałej lub zmiennej
amplitudzie wahań,
t
y
η
i
it
x
η
– stacjonarne procesy autoregresyjne
odpowiednio dla procesu Y
t
i procesów X
it
.
2. Modele autoregresyjne
,
)
(
t
t
y
y
u
B
ε
η
=
(3)
,
)
(
it
it
x
x
i
u
A
ε
η
=
,
,
,
2
,
1
k
i
K
=
(4)
gdzie B(u) i A
i
(u) są autoregresyjnymi operatorami, dla
których wszystkie pierwiastki równań
0
)
(
=
u
B
i
0
)
(
=
u
A
i
leżą poza okręgiem jednostkowym, a
t
y
ε
i
it
x
ε
oznaczają białe szumy dla odpowiednich procesów.
3. Model dla białoszumowych składowych
odpowiednich procesów
∑
=
+
=
K
i
t
x
i
yt
it
1
.
ε
ε
ρ
ε
(5)
4. Model dla rzeczywistych procesów
t
Y
i
it
X
(i=1,2,...K)
.
)
(
)
(
1
∑
=
+
=
k
i
t
X
i
i
y
it
t
u
A
u
B
ε
η
ρ
η
(6)
.
)
)(
(
)
)(
(
1
∑
=
+
−
−
=
−
−
k
i
t
x
x
it
i
i
yt
yt
t
it
it
S
P
X
u
A
S
P
Y
u
B
ε
ρ
(7)
Po dalszych przekształceniach otrzymuje się model:
,
)
(
)
(
1
*
t
t
t
k
i
it
i
t
S
P
X
u
A
Y
u
B
ε
+
+
+
=
∑
=
(8)
gdzie:
),
(
)
(
*
u
A
u
A
i
i
i
ρ
=
,
)
(
)
(
1
*
∑
=
−
=
K
i
x
i
y
t
it
t
P
u
A
P
u
B
P
.
)
(
)
(
1
*
∑
=
−
=
K
i
x
i
y
t
it
t
S
u
A
S
u
B
S
Zgodny dynamiczny model (8) można zapisać w
alternatywnej postaci:
∑ ∑
∑
=
=
−
=
−
+
+
+
+
=
k
i
q
s
t
t
t
s
it
s
q
s
s
t
s
t
xi
y
S
P
X
Y
Y
1
0
*
1
,
ε
α
β
(9)
gdzie q
y
i q
xi
oznaczają rząd autoregresji odpowiednio
procesów Y
t
i X
it
(i = 1, 2, ..., k).
Podejście tradycyjne:
∑
=
+
=
+
+
+
+
=
k
i
t
it
i
t
kt
k
t
t
t
X
X
X
X
Y
1
2
2
1
1
η
α
η
α
α
α
K