WYŻSZA SZKOŁA ZARZADZANIA MARKETINGOWEGO I JĘZYKÓ OBCYCH W KATOWICACH
Semestr: III
Wykładowca:
Wyznaczanie prognoz jest pewna symulacja.
Podstawą jest model ekonometryczny, szczególnym jego przypadkiem jest funkcja trendu.
Wyliczenie wartości zmiennej prognozowanej i wyznaczenie błędu prognozowania.
Błąd jest nieodzowny w wyznaczaniu prognozy.
Klasyczne metody prognozowania wykorzystują wygładzanie szeregów czasowych.
Oprócz prognozy trzeba wyznaczyć błąd prognozy w 2 sposoby:
istnieje możliwość wyliczania błędu ex ande - podejście modelowe
stosuje się wyliczenie błędu ex post - podejście adaptacyjne
ex ande wykorzystywane w momencie wyznaczania samej prognozy
ex post możliwe do zastosowania kiedy wyznaczamy ciąg prognoz dotyczących kilku okresów.
KLASYCZNY LINIOWY MODEL EKONOMETRYCZNY
k
Yt = ∑ αi Xi + ξt
t=0
αo, 1Xoi = 1 wyraz wolny, stały
k
Yt = α0 + ∑αi * Xit + ξt
t=1
Dodatkowe warunki
Yt i ξt - zmienne losowe
α0 + ∑αi* Xit- zmienne losowe
Zakłada się, że nadzieja matematyczna zmiennej objaśniającej będzie równa zmiennej nielosowej, ponadto dla każdego t wariancja jest równa sigma kwadrat.
Dal każdego t = h kowariancja pomiędzy składnikami są nie korelowane ze sobą.
KLASYCZNY MODEL REGRESJI
k
1E(ξt) = 0 → E(Yt) = ∑ αi Xit
t t=0
1D2(ξt) = 02 1 Cov(ξt ξh) = 0
t t+h=1...n
Dla każdego t rozkład normalny
1 ξt ≈ η (0,02)
t
t = 1,2,...,n n+1, n+2,n+h h = 1,2,...
h - wyprzedzenie czasowe prognozowania
Y1, Y2, ..., Yn Yn+1, Yn+2, Yn+h
obserwowane prognozowane
Błąd prognozy
Ut+h = Yt+h - Ypt+h
Yp1t+h = f (Y1,Y2,...,Yn)
y1,y2,...,yn Ut+h = yt+h - ypt+h
Najprostszy sposób wyznaczania prognozy jest związany z modelem liniowym
Y = Xα + ξ
ξ1 Y1 1 X11 X12 . X1n
ξ2 Y2 1 X21 X22 . X2n
ξ = . Y = . X.= . . . .
. . . . . . .
. . . . . . .
ξ Yn 1 Xn1 Xn2 . Xnn
t
Metoda najmniejszych kwadratów
ϕ(α) = ( Y - Xα)T ( Y - Xα)
a : ϕ (a) = min
a = (XTX)-1 XTY
^
e = Y - Y = Y - X*a
Stopień dopasowania ocenia się za pomocą wariancji resztowej
et = y = ∑ α1 * Xit
t=0
V(a) = I - (α - a) ( α - a)T = (XTX)-1 δ2
V^(a) = (XTX)-1 S2e
V11 V12 V1n
V(a) = . . . = [Vij] (k+1)*(k+1)
. . .
D2(ai) i=j =δ2 2ij
Vij= Cov (aiaj) i≠j =δ2 2ij
y - wynagrodzenie bieżące
y= 1970,8 -749,3x1 + 1,6x2 + 388,2x3-697,9x4 +e
stałe płeć wyagr. wykszt. rasa
pracownika przeciętne
y^
y= -3123,5+1,7x2+408,2x3+e
(701,5) (0,059) (64,220)
D^(y^i)- przeciętny zarobek
a= [∑(yt-y) t] / [∑ (t-t)2], y = 1/n ∑yt, t= 1/n ∑t
t=1 t=1 t=1
b= y - at, S2e = [∑(yt - y^t)2]/ n-2
Metoda adaptacyjna - wykładnicza
D2(a) cov(a,b) 0,0751
V = = S2e (XTX)-1 =
cov(a,b) D2(b) 0,0751 (2,6
1 1
1
. .
X = t 1
. .
. .
n 1
MODEL TRENDU
D2(Yt^) = D^(a)t2 + 2cov^(a,b)t + D2^(b) + S2e
It = , yt - Zt
MEDIANA
szereg jednostopniowy
X n+1/2 n- nieparzyste
Me =
Xn/2 +Xn/2+1 n - parzyste
2
szereg wielostopniowy
Me = X0 + C0/n0 ( n/2 - cum-1)
KLASYCZNY MODEL EKONOMETRYCZNY
k
Yt = ∑ αiXi + ξt
t=0
k
Yt = ∑αiXit + α0 + ξt
t=1
Błąd prognozy
Ut+h = Yt+h - Ypt+h
Ypt+h = f(Y1,Y2,...,Yn) Yt,p+h = ∑ ai * Xin+h
Warunek kryterium najmniejszych kwadratów
ϕ(a) = uTu = (y - xa)T(y-xa) = min
a= (XTX)-1 XTy Y^ = Xa - model oszacowany
A-1 = (1/detA) * DT
Reszta
e = Y - Y^ = Y - Xa - wektor reszt
Wariancja resztowa
Kowariancja
V(a) = E (α-a)(α-a)T = (XTX)-1 * δ2
V^(a) = (XTX)-1 * S2e
Prognoza na okresy n+1, n+h
k
Yp,t+h = ∑ ai * Xin+h
i=0
Ocena błędu prognozy
k
Yt = ∑αiXit + ξt
i=0
Liniowa funkcja trendów
Yt = at + b + ξt
Błąd prognozowania ex ante
Un+h = Yn+h - Yp,n+h
k k
E(Un+h) = E(Yn+h) - E(Yp,n+h) = ∑αiXi,n+h - ∑E(ai) * Xi,n+h = 0
i=0 i=0
Nadzieja matematyczna predykatora = 0 - predykator jest nieobciążony
Błąd losowy prognozowania - wyrażony wariancją (nie jest mniejszy od wariancji składnika losowego)
D2(Un+h) = D2(Yn+h - Yp,n+h) = D2(Yn+h) + D2(Yp,n+h)
Względny ład prognozy
γ(Un+h) = * 100%
γ (un+h) ≤ γ %
Horyzont predykcji
H:max γ(Un+h) ≤ γ0
H:max D2(Un+h) ≤ d0
Metody wyrównywania wykładniczego
Yt = αy-1 + α(1-α)yt-2 + α(1-α)2 yt-3
Y^t+1 = αyt + (1-α)yt^
Ut(α) = yt - yt^(α)
U =1/m ∑ut
Wariancja ex post prognozowania
S2u = 1/m ∑ u2t
t
Su = √S2u
Np. γ9 = Sk/y9^ (względny błąd prognozy / ostatnie nasze prognozy y9^)
Ocena parametrów trendu liniowego wyznacza metody NMK.
yt = eα+βt lub yt = αβt β>0
β>1 rosnąca
β<1 malejąca
Wielomian drugiego stopnia (parabole)
yt = αt + α1t α2t2 α2>0
Funkcja potęgowa
yt = αtβ 0<β<1
Funkcja liniowo - odwrotnościowa
yt = α + β/t β<0
Funkcja ilorazowa
yt = αt/ β+t
Funkcja logistyczna
yt = α / 1+ βe - δt α δ>0, β>1
Model potęgowy
yt = αtβ
Średnie ruchome nieparzyste liczby składników
Średnie ruchome parzysta liczba składników
Ruchome średnie
Yt+1(k) = 1/k ∑Yi
Yt+1(1) = 1*Yt = Yt
Yt+1(2) = ½ (Yt-1 + Yt)
Metody wyznaczania prognoza pomocą średnich ruchomych.
Wskaźnik średniego indeksu wyznaczonych cech
Indeks zmiennej o podstawie stałej
It/c = yt/yc It/c = dt/c + 1 dk/c = (yt - yc)/yc
Indeks o podstawie łańcuchowej stosunek do okresu poprzedniego
It = yt/ (yt - 1) It = dt + 1 dt = (yt - yt-1) / yt-1
d = I + 1 I = √ I1 * I2 * I3 * ... * In+1 * In
I1 * I2 * I3 = y1/y0 * y2/y1 * y3/y2 = y3/y0 = I3/0
It = yt / yt -1
yt = I1 * yt-1
Ik-1 = yt-1/yt-2
yt-1 = Ik-1 * yt-2
yt = ItIk-1yt-2
yt = ItIx-1 It-2 yt-3
yt= I * yt-1
Prognoza yt = I2yt-2
yt-1 = Iyt-2
yk = I3yt-3
Ogólny wzór na metodę prognozowania - wskaźnik indeksu średniego
yt = Ik * yt-k
t |
yt |
|
|
|
|
1 |
6 |
-1,66 |
- |
- |
|
2 |
10 |
1,30 |
- |
- |
|
3 |
13 |
1,00 |
- |
- |
|
4 |
13 |
1,07 |
- |
-- |
|
5 |
14 |
|
- |
0,64 |
0,40 |
6 |
18 |
|
17,36 |
-1,5 |
2,25 |
7 |
20 |
|
21,50 |
-4,6 |
21,16 |
8 |
22 |
|
26,60 |
-8,98 |
80,64 |
9 |
24 |
|
32,98 |
15,08 |
104,45 |
10 |
24 |
|
|
14,44 |
|
Stopień pierwiastka jest równy liczbie wymnażanych indeksów
I = 4√ 2,33 = 1,24
y6 = I * y5 = 1,24 * 14 = 17,36
yt = Ik * yt-k
yt+k = Ik * yt
y7= I2 * y5 = (1,24)2 * 14 = 1,24*17,36=21,50
y8 = I3 * y5 = I * y7 = 1,24*21,50=26,60
y9 = I4 * y5 = I * y8 = 1,24*26,60=32,98
Ex post
et = yt - yt
e = 1/m ∑ et
e = -1/4 * 14,44 = -3,61
Wartości zmiennej prognozowanej są przeszacowywane o 3,61.
Dostajemy tą prognozę obciążona błędem systematycznym.
Błąd przeciętny prognozowania wyliczmy na podstawie ex post
S2k = 1/m ∑ e2t = ¼ * 104,45 = 26,11
Se = √ 26,11 = 5,11
Średni błąd prognozowania Vk
Vt = Se / yt
V8 = 5,11/26,60 = 0,19
V6 = 5,11/17,36 = 0,29
|
yt |
yt |
ξt = yt-yt |
h |
yt,h |
gt,h |
yt |
1 |
1 |
7 |
-6 |
1 |
1,67 |
0,14 (1/7) |
3,64 (7*0,52) |
2 |
8 |
9 |
-1 |
2 |
7,34 |
0,88 (8/9) |
8,10 (9*0,9) |
3 |
12 |
11 |
1 |
3 |
13,66 |
1,09 (12/11) |
12,32 |
4 |
17 |
13 |
4 |
4 |
17 |
1,3 |
15,86 |
5 |
9 |
15 |
-6 |
1 |
33 |
0,6 |
|
6 |
16 |
17 |
-1 |
2 |
|
0,94 |
|
7 |
22 |
19 |
3 |
3 |
|
1,15 |
|
8 |
26 |
21 |
5 |
4 |
|
1,23 |
|
9 |
19 |
23 |
-4 |
1 |
|
0,82 |
|
10 |
22 |
25 |
-3 |
2 |
|
0,88 |
|
11 |
31 |
27 |
4 |
3 |
|
1,14 |
|
12 |
33 |
29 |
4 |
4 |
|
1,13 |
|
13 |
|
31 |
|
|
25,67 |
|
|
14 |
|
33 |
|
|
31,34 |
|
|
15 |
|
35 |
|
|
27,66 |
|
|
16 |
|
37 |
|
|
41,33 |
|
|
prognozy
yt = 2t + 5 + ξt
MODEL SZEREGU KLASOWEGO
Szereg czasowy
yt = f(t) + a(t) + ξt
funkcja odzwierciedlająca
wahania sezonowe
ξt - losowe wahania w tym zadaniu - addytyczne
yt = f(k) b(t) - ξt
Ocena wskaźnika sezonowości ah
T - bieżący identyfikator danych
yt,h = f(t) + ah + ξt
ah = 1/m∑ξ t,h
a1 = 1/3 (ξ1 + ξ5 + ξ9) = 1/3 ( -6-6-4) = -16/3 = -5,33
a2 = 1/3 (ξ2 + ξ6 + ξ10) = 1/3 (-1-1-3) = -5/3 = -1,66
a3 = 1/3 (ξ3 + ξ7 + ξ11) = 1/3 (1+3+4) = 8/3 = 2,66
Model
yt,h = yt+ ah
Średni wskaźnik sezonowości dla kwartału będziemy dodawać do funkcji trendu
y1,1 = 7-5,33 = 1,67
Błąd prognozy - nie obliczmy bo za dużo zmiennych
MODEL MULTIPLIKATYCZNY
yt = f(t)b(t)ξt
yt,h - f(k) bh ξt,h
Oceny wskaźników sezonowości
bn = 1/m ∑ yt,h/yt
gt,h = yt,h / yt
b1 = 1/3 (0,14+0,6+0,82) = 0,52
b2 = 1/3 (0,88+0,04+0,88) =0,9
b3 = 1/3 (1,09+1,15+1,14) = 1,12
b4 = 1/3 (1,3+1,23+1,13) = 1,22
Ocena funkcji
yt = yt - bh
Struktura czasowa wykazuje wahania sezonowe. Trend rosnący z wahaniami sezonowymi.
Czy do tego by pasował model multipliatyczny?
W tym przypadku by pasowała funkcja trendu wyznaczona na podstawie średnich.
Podstawowe własności modeli ekonometrycznych (estymacja modelu, parametry określające zgodność modelu z danymi i wariancja resztowa), współrzędne zbieżności, determinacji, współrzędne funkcji regresji ≠0.
Model ekonometryczny z 1 zmienną lun 2 lub 3 wymaga prognozy na podstawie podanego modelu. Wartości zmiennej objaśnianej.
Metoda najmniejszych kwadratów - estymacja trendu liniowego kwadratów nieliniowych.
Trend z jedna zmienną objaśniającą - czas.
!!! Oszacować parametry trendu
Wariancja rusztowa - błąd prognozy (współrzędne zbieżności, determinacja)
Metody klasyczne - najstarsze
Wyznaczanie trendu metodą najmniejszych kwadratów, metody adaptacyjne - średnie scentrowane (mediany)
Średnie ruchome scentrowane
Wahania sezonowe
Ocena dokładności składników losowych za pomocą wariancji ex post, wskaźniki prognozowania
MODELOWANIA SZEREGÓW CZASOWYCH
Metoda autoregesyjna
Y1,Y2,...,Yt, ..Yn - zależności liniowe autokorelacji
Autokorelacja do badania stopnia zależności.
|
Yt-1 |
Yt-2 |
Yt-Y |
Yt-1-Y |
(Yt-Y)2 |
(Yt-Y)(Yt-1Y) |
2 |
4 |
0 |
0,9 |
2,9 |
0,81 |
2,61 |
4 |
0 |
0 |
2,9 |
-1,1 |
8,41 |
-3,19 |
0 |
0 |
1 |
-1,1 |
-1,1 |
1,21 |
1,21 |
0 |
1 |
0 |
-1,1 |
-0,1 |
1,21 |
0,11 |
1 |
0 |
- |
-0,1 |
-1,1 |
0,01 |
0,11 |
0 |
- |
- |
-1,1 |
|
1,21 |
∑0,85 |
|
|
|
|
|
∑12,86 |
|
Model autoregresji
t
Yt = α0 + ∑ αdYt-1 + ξ t
d-1
t h
Yt = α0 + ∑ α1γt-1 + ∑βxt + ξt
t-1
PROGNOZY I SYMULACJE TESTY Z NASZEGO EGZAMINU
TEST 1
Zapisać i wyjaśnić własności funkcji opisującej trend paraboliczny
Trend wzrostu sprzedaży wody mineralnej ma postać Yt= 2t+180, gdzie t= 1,2,3... Kwartalne addytywne wskaźniki sezonowości sprzedaży wody wynoszą -50, -10, 40, 20 odpowiednio dla kwartałów I, II, III, IV. Prognozy na kolejne kwartały roku 10 wynoszą odpowiednio:
Notowania kursów akcji w kolejnych okresach wynoszą: 20, 30, 40, 50, 60. Zcentrowane średnie ruchome dwu-okresowe określa ciąg:
Współczynnik determinacji trendu liniowego wyznaczonego na podstawie 12 obserwacji wynosi 0,95, a suma kwadratów odchyleń zmiennej objaśnianej od jej średniej wynosi 20. Wartość wariancji resztowej jest równa:
W latach od 1 do 10 trend wzrostu sprzedaży pewnego towaru ma postać Yt= t2-2t+80 Średni względny błąd predykcji ex-ante poziomu sprzedaży na rok 12 jest równy 4%. Jaka jest wartość wariancji predykcji ex-ante na rok 12.
W miesiącach od stycznia do kwietnia zaobserwowano następujące indeksy łańcuchowe tygodniowych dochodów sklepu (w%): 114,116,116,118. Jakie było średnie tempo zmian. Wyznaczyć prognozę na podstawie indeksu średniego na miesiąc lipiec, gdy wiadomo, ze dochód sklepu w kwietniu wynosił 10 tyś. Zł.
W miesiącach od stycznia do lipca zaobserwowano nast. Miesięczne wydatki (w zł): 4,5,8,10,12,14,15. Oszacować trend metodą najmniejszych kwadratów na podstawie danych od stycznia do kwietnia i wyznaczyć na jego podstawie prognozy wydatków do lipca. Wyliczyć i zinterpretować średnią i wariancje ex-post błędów prognoz.
TEST 2
Trend wzrostu sprzedaży wody mineralnej ma postać Yt = 2t+180, gdzie t= 1,2,3.... Kwartalne multiplikatywne wskaźniki sezonowości sprzedaży wody wynoszą 120%, 50%, 140% i 90% odpowiednio dla kwartałów I, II, III, IV. Prognozy na kolejne kwartały roku 10 wynoszą odpowiednio:
Zapisać i wyjaśnić funkcje opisującą trend wykładniczy (*potęgowy)
Notowania kursów akcji w kolejnych okresach wynoszą 2,3,4,5,3. Średnie ruchome trój-okresowe określa ciąg:
Współczynnik zbieżności trendu liniowego wyznaczonego na podstawie 12 obserwacji wynosi 0,1, a wariancja resztowa 2. Wówczas suma kwadratów odchyleń zmiennej objaśnianej od jej średniej wynosi:
W latach od 1 do 10 trend wzrostu sprzedaży pewnego towaru ma postać Yt=t2-2t+80. Wariancja predykcji ex-ante wynosi 16 na rok 12. Średni względny błąd predykcji ex-ante poziomu sprzedaży na rok 12 jest równy:
W miesiacach od stycznia do kwietnia zaobserwowano następujące tygodniowe zyski sklepu (w tyś zł) 4,5,6,6,8,. Jakie było średnie tempo zmian . Wyznaczyć prognozę na podstawie indeksu średniego na miesiąc czerwiec
W miesiącach od stycznia do kwietnia zaobserwowano następujące miesięczne wydatki (w zł) 4,6,10,8. na podstawie trendu :y=3t+1 wyznaczyć drugi ciąg prognoz na miesiące od stycznia (t=1) do kwietnia. Wyliczyć średnią oraz wariancje ex-post błędów. Wyliczyć współczynniki Theila dla obu metod prognozowania.
TEST 3
W latach od 1 do 10 trend wzrostu sprzedaży pewnego towaru ma postać Yt=t2-2t+80. Wariancja predykcji ex-ante wynosi 16 na rok 12. Średni względny błąd predykcji ex-ante poziomu sprzedaży na rok 12 jest równy:
Trend wzrostu sprzedaży wody mineralnej ma postać Yt=2t+180 gdzie t=1,2,3,....Kwartalne multiplikatywne wskaźniki sezonowości sprzedaży wody wynoszą 50%, 100%, 200% i 80% Odpowiednio dla kwartałów I, II, III i IV. Prognozy na kolejne kwartały roku 10 wynoszą odpowiednio.
Zapisać i wyjaśnić funkcję opisującą trend potęgowy.
Notowania kursów akcji w kolejnych okresach wynoszą 2,3,4,5,3. Zcentrowane średnie ruchome trój-okresowe określa ciąg.
Współczynnik zbieżności trendu liniowego wyznaczonego na podstawie 12 obserwacji wynosi 0,2 a wariancja resztowa 2. Wówczas suma kwadratów odchyleń zmiennej objaśnianej od jej średniej wynosi:
W miesiącach od stycznia do kwietnia zaobserwowano następujące tygodniowe zyski sklepu (w tyś zł): 4,5,6,6,8. Jakie było średnie tempo zmian. Wyznaczyć prognozę na podstawie indeksu średniego na miesiąc czerwiec.
W kolejnych miesiącach zaobserwowano następujące tygodniowe wydatki (w zł) 4,6,4,8,5,6 Wyznaczyć ciąg prognoz metodą średnich ruchomych 3-składnikowych. Wyliczyć średnią oraz wariancje ex-post błędów. Wyliczyć współczynniki Theila dla obu metod prognozowania.
TEST 4
Zapisać i wyjaśnić własności funkcji opisującej trend logarytmiczny .
Trend wzrostu sprzedaży piwa ma postać : Yt=2t+10, gdzie t=1,2,3,.... Kwartalne addytywne wskaźniki sezonowości sprzedaży wody wynoszą -5,-1,4,2 odpowiednio dla kwartałów I, II, III, IV. Prognozy na kolejne kwartały roku 10 wynoszą odpowiednio:
Notowania kursów dolara względem złotego w kolejnych dniach wynoszą 4,3,4,5,60. Uprzednie średnie ruchome dwu-okresowe określa ciąg:
Współczynnik determinacji trendu logistycznego wyznaczonego na podstawie 12 obserwacji wynosi 0,95 a suma kwadratów odchyleń zmiennej objaśnianej od jej średniej wynosi 20. Wartość wariancji resztowej jest równa.
W latach od 1 do 10 trend wzrostu sprzedaży pewnego towaru ma postać: Yt=t2-2t+80 Średni względny błąd predykcji ex-ante poziomu sprzedaży na rok 12 jest równy 4%. Jaka jest wartość wariancji predykcji ex-ante na rok 12.
W miesiącach od stycznia do kwietnia zaobserwowano nast. Indeksy łańcuchowe tygodniowych dochodów hurtowni, (w%): 110,110,120,120 Jakie było średnie tempo zmian. Wyznaczyć prognozę na podstawie indeksu średniego na miesiąc lipiec , gdy wiadomo, że dochód sklepu w kwietniu wynosił 100 tyś zł.
W miesiącach od stycznia do lipca zaobserwowano nast. miesięczne wydatki (w zł) 4,5,8,10,12,14,15 . Oszacować metodą najmniejszych kwadratów trend na podstawie danych od stycznia do kwietnia i wyznaczyć na jego podstawie prognozy wydatków do lipca. Wyliczyć i zinterpretować średnią i wariancję ex-post błędów prognoz.
http://otior.w.interia.pl
PROGNOZOWANIE I SYULACJA
-STRONA 23 -
Parametry
Obserwacje zmiennych objaśniających (egzogeniczne)
Składnik losowy = objaśnia wpływ czynników niewyjaśnionych
0
ξ
S2e = eTe *
1
n-k-1
1
n-1
n
S2e = ∑ e2k
t=1
1
n-k-1
X0 - początek przedziału mediany
C0 - długość przedziału mediany
n0- liczba przedziału mediany
cum-1 - liczba kumulacji przedziału poprzedzającego przedział mediany
S2e = eTe
1
n-k-1
1
n-1
n
S2e = ∑ e2t
t=1
1
n-k-1
et = yi - ∑αiXit
D(Un+h)
Yp,n+h
h- wyprzedzenie czasowe
a=
∑yt -y)t
∑(t-t)2
b = y - at
n
y = ∑yt
t=1
1
n
n
t = 1/n ∑t
t=1
S2e =
∑(yt-yt)2
n-2
t+(k-1/2)
Yt(k) = ∑Yi
i=t-(k-1/2)
1
k
t-(k/2-1)
Yt(k) = (1/2Yt-k/2 + ∑Yi + 1/2Yt +k/2)
i=t-(k/2+1)
1
k
I = √ I2 I3 I4 I5
4
I = √ = √
4
y2 y3 y 4 y5
y1 y2 y3 y4
4
y5
y1
4
0
-2
-4
-6
1 2 3 4 5 6 7 8 9 10 11 12
Średni wskaźnik sezonowości modelu multiplikatycznego
Żeby policzyć tak jak myśmy to zrobili to tak powinno to wyglądać
NASZ PRZYPADEK
stałe
λ =
Cov (Yt, Yt-1)
D(Yt) D(Yt-1)
D2(Yt) = δ2
t
λt = const
t-1
γd =
Ct,t-d = ∑(Yt-Y)(Yt-1-Y)
t
S2t-d = ∑(Yt-1-Y)2
t
Y= ∑Yt
t
γd =
Ct,t-1 = ∑(Yt - Y)(Yt-1 - Y)
Ct,t-d
St, St-d
1
n-d
1
n-d
1
n
Ct,t-d
S2t
1
n-1