01 (144)

?.    IlIMtfO* jutu ||||>|>M.V|

wuitość prognostyczna lego nnxlrlu przez obliczenie prognoz wygasłych dla 1994 I99H i określenie ich trafności /a pnmoeii średniego i względnego post pi oj: 1*0/.

7.40. Oszacuj parametry modelu (7.1) illu rocznego przyrostu (w %) I miejskiej w Polsce w lalach 1960-1994. przyjmując te same zmienne co w przykładzie 7.1. Sprawdź wartość prognostyczna tępo modelu przez c prognoz wygasłych dla lat 1995-1999 i określenie ich trafności za średniego i względnego błędu rx post prognoz.

7.7. Sprawdziany

7.1	Odp
a
b
c

7.2	Odp
a
b
c

7J	Odp
a
b
c

7.4	Odp
a
b
c

Za prognozę długookresowa dotyczącą sprzedaży w przedti uznajemy prognozę obliczona dla okresu oddalonego o:

a)    5 miesięcy.

b)    3 lata.

c)    5 lat.

Wybór postaci analitycznej modelu może hyć opuny na:

a)    analizie graficznej.

b)    wartościach mierników dopasowania modelu do danych. c> doświadczeniu badacza

Do własności modelu, które maja duży wpły w na jego j; należą m in.:

a)    dopasowanie do danych rzeczywistych.

b)    dokładność ocen parametiów modelu.

C) wartość inlotmacyjiu modelu.

Dopasowanie modelu do badanej rzeczy wistości można mierzyć za pomoc*:

a)    współczynnika asymetrii.

b)    współczynnika koncentracji.

c)    współczynnika korelacji wielowymiarowej

Dokładność ocen paininrlinw modelu można mierzyć np za po

mow

1S	Odp
łl
b
T.b
J
b
i*

7.7	Odp.
J
b
c
7.H	Odp
a h
C
7.9	Odp.
u
b
c
7.10	Odp
J
b
c

a)    błędu (iu*i»jhu |Mi.iiiictrów.

b)    współc/ymilka zbtc/nośct.

C) współczynnika determinacji.

Wartość informacyjną modelu można mierzyć np. u pomocy:

a)    współczynnika asymetrii.

b)    współczynnika pojemności informacyjnej.

c)    współczynnika koncentracji

Wartuść prognostyczna modelu można mici/ye np. za pomocą;

a)    współczynnika korelacji wielowymiarowej.

b)    współczynnika pojemności informacyjnej.

C) mierników ex pom trafności prognoz wygasłych.

Podstawę badania stabilności postaci analitycznej modelu mogą

stanowić:

a) reszty modelu.

bl reszty siandatyzowanc modelu.

c)    oceny tx aule błędów prognoz.

Reszty modelu powinny być m.in.:

a)    losowe.

b)    skorelowane z wartościami zmiennej objaśnianej.

C) nieobciązotc

Jeżeli wśród reszt występuje mała liczba serii <tzn. mniejsza od wartości krytycznej), to; a) reszty m bisowe.

bl reszty nie są losowe,

C) o loMiwntci res/t nu me mo/na powiedzieć.