Obraz (734)

(8)Dekom pozycja sezonowa modelem multipiikatywnym w przypadku, gdy.tylko jedna ze składowych - na ogól tendencja

rozwojowa lub stały (średni) poziom prognozowanej zmiennej - jest wyrażana w jednostkach zmiennej prognozowanej.

Pozostałe składowe są w procesie dekompozycji wyrażane jako względne odchylenia bąd£ od tendencji rozwojowej, bądź od

stałego (średniego) poziomu zmiennej. 'Tttncż, - ..    'k..t b^r'- '

‘UW UO)^yjfDekom£ozycja sezonowa modelem addytywnym, gdy wahania okresowe (cykliczne i sezonowe) oraz przypadkowe są

/Ą

_n wyrażane jako odchylenia od tendencji rozwojowej lub od stałego (średniego) poziomu zmiennej prognozowanej.

X<o co Watować

(fOjFunkcje prognoz:    ^    Y\A,    W.CL    c^/ 006-^

1 -Poznawcza (informacyjna).    * rwo^ćcUo

i.-DreDaracvina łder.YZYinał____    ^.,,'0'. oeGb dokw/o

(jo

^ - weryfikacyjna r-^<ox^’u>v\o    «*    >ecŁXvrq^(^( o o-tjjAo iy /y^>, U siaCq^<^ s^- Ajo

_>    “O

Q - aktywizująca- pobudzenie do podejmowania działań sprzyjających realizacji prognozy gdy wystąpią zdarzenia korzystne i

^ - ostrzegawcza

^ 'olGCA/£ jCAjY. .Mao/

nie sprzyjające realizacji gdy wystąpią zdarzenia niekorzystne (vi)Błędy prognoz przykłady ■V A) Ex antę np. wariancja prognozy

A^cceo

hTtfMr t^CUuk fojfr a^OM>omją 4    _

^n02y W_p i średni błąd prognozy S^BP

B) Ex post ( obliczane na podstawie informacji o prognozach wygasłych): - /vu^r*n    %rUVwCcC

Ś^Cf~ YJ    /VCec    p-non vvj'A

‘ ^    o rw*³*™*

Q_

przeciętny błąd prognozy ME o - przeciętny bezwzględny błąd prognozy MAE -

v\x

^    - przeciętny względny błąd procentowy MPE

- przeciętny bezwzględny błąd procentowy MAPĘ ą S. f foUPPl — -o ęr^OMfOi^    <łiX^    - A^Cu-

- Średni kwadrat błędu prognozy MSE    ^

^ .

(I2l Współczynnik korekty nie wpływa na wartość wahań sezonowych przy ćekosroozvcii sezonowej modelem    __t

-—5 ~S multiplikatvwnym gdy wskaźnik wahań^urowych równa się liczbie wvodrębnionvch okresów. ¹ U    ^<*^lt-^vaCL S^roępiCu. wcz cait

™    ^J    cr zoiwWired ^ U^Ct,    ^^o-

(13) YYspólczynnik _Jmrekty nie wpływa na wartość wahań sezonowych przy dekompozycja sezonowej modelem ^/'^VWł<*^ctx,

o p ^ddvtvwnym    ro^^hr-fT    ^ i/J^CJi^ uAo !VaąA&^ iUjJś Af^&Cct^O-

Wśpolćawwtywic- O    R - ^ŁSuił3- ^    . z' /- v    ~ o₀ ■ ^ , ,■

llhMetody prognozowania dla szeregów stacjonarnych: l,iCa£t)c Ah-O^AGoCb ^zOKDcU- Ufię,)3ćl^Q^ -Wu^cu/K

^---------SlOMŹOM.j££/    A^coM:

- metoda naiwna- może być stosowana w przypadku stwierdzenia niewielkich wahań w szeregu zmienne? prognozowanej i

popr^-Gr cm, ^yUyyCA

wykorzystana w prognozowaniu krótkookresowym, obejmującym jeden okres napreódr Zakłada, iż nie nastąp nr zmiany w

sposobie oddziaływania czynników kształtujących wartości zmiennej prognozowanej. Metody naiwne są szybkie i tanie w zastosowaniu, jednak jakość

prognoz wyznaczonych z ich użyciem jest zwykle niska.    ^    UuOwuie a6o^v^Cł' }

- metoda średniej ruchomej prostej i ważonej,    ty*k. ^edstfc- ^eJ*M£UAiuO

-    model wygładzania wykładniczego    ^ ^CJ^^X^' ¹

-modele autoregresji i średniej ruchomej .ńRJvlA i ARIMA

(lo)Metpdy prognozowania dla szeregów z tende.ncją i wahaniami przypadkowymi:    '    %

\! ąkOątrro-po    (.

S Afetothr^TffladzanjamvykladTriczegu Multa f 4 ] '^J p

dsrcnt-Kirt tu -I J-tcoiZl    h'/UAm-ło,v

ppiUct 'wyfcO-    i2łzAtfp-/x»(,e>tiła^

ania poziomu trendu; y - d /

(' / Należy do adaptacyjnych metod’ prognozo^nia.¹'^<^ystepują dwie st^^^gfadzanhr a^-^ri(Jo

do wygładzania jego zmian ważny jest wybór stałych wygładzania - dokonuje się tego z punktu widzenia minimalizacji błędów sporządzonych prognoz jako funkcji zmiennych. Potrzebna jest znajomość wartości początkowej wygładzonych wartości zmiennej prognozowanej oraz wartość przyrostu trendu.

Ki ^TtO^cloIUUj

u d rfh    ^hA/WCU^ '\_rr6v\c€u^ >B-

pACuCip^ułkCi    , irAAe-cvvve\ (_ ^ckaom^M'    rtXie.cc (W ^Uć'dbvuA <nM

a. (Vwu6(óą <cCeAA0€/ WetA m    (4 -=/ peuWyo ńwc UKUSet)V ^    '

i-OWPhńto^    ęx    '

'ńAtOab^/UUciu

pTOO-TM? 2.^

lO. U<xA • p^c<A^46cOó)p.    'A-u.pcXnp    P.    svcy