02 (144)

r?n 4. l’ml\V.)u au paUlaoIr ~hIiII    «yii«sjitwli

r?n 4. l’ml\V.)u au paUlaoIr ~hIiII    «yii«sjitwli

6.10	(Kip.
a
b
c

6.11	thip
a
b
C

6.12	(Kip.
a
b
c

6.13	(Kip
a
b
c

Nii podstawie danych z 25 tygodni. dotyczących sprzedały cli (w lunach) w pewnej piekarni, oszacowano następujący im autoregresyjny: >’,= 200 +0.700,40_v, Na poziomie Ir

tM.lt) i0.22>    i⁰'¹’*

ncdci a=0.05    2,086):

a)    oba opóźnienia nie sa istotne.

b)    oba opóźnienia m istotne.

c)    liczba stopni swobody potrzebna do wyznaczenia w krytycznej wynosi 20.

Na podstawie danych z 25 tygodni, dotyczących sprzedaży clii (w tanach) w pewnej ptekami. oszacowano nastepujiicy mc uutorcgicsyjny: f,= 200 +0,70y,.,-0,40y,.j. Wiemy, że spr

(55.12) 10.22)

chicha w ostatnich dwóch badanych tygodniach (tzn. 24 i wynosi la. odpowiednio: 295 i 300 ton. Prognozy na kolejne tygodnie (tzn. 26 i 27) wynoszą (w tonach):

a)    207.9 i 208.2.

b)    292 i 284.4,

c)    208.5 i 335.15.

Proces określony wzorem: (l-p,fl)Vy,=(l- OB,)r,:

a)    jest procesem typu ARMA(1. I).

b)    jest procesem typu ARIMAO, I. I),

c)    można zapisać wzorem: P,=(l + p₁)P_/._I-f>, Y, _:+C,- t»,f,.,

Proces ARIMA(2. I. 0) można zapisać w postaci:

a)

b)    <l-_ęs₁ff-g>,fl^:>K₁=e„

o r.-r,._l+*(r,._l-r_I 3)*ę_i(r^-r,,)♦»,.

A.I5]odp.

JlT zpn

ł II l» l»

i. 14

<Mp

IX* identyfikacji modelu AKIMA wyznaczono nMępujaoe empiryczne funkcje Mtokorelucji i autokorelacji c/aMkowej:

*    • I # W

=k.................. ¹

-P is -•I

mi

Na tej podstawie na etapie estymacji należy oszacować parametry modelu:

ai MAdk

b)    AR(2).

c)    MA<2).

1

1 I *    1 O » l

Na tej podstawie na etapie estymacji należy oszacować parametry modelu:

a) MA(I).

b> AR<1),

c) AR(2).

Do identyfikacji modelu ARIMA wyznaczano na«ępui+:c empiryczne funkcje autokorelacji i autokorelacji cząstkowej: