P1080540 (3)

ściu obserwacji (j = 1,..., 6). Wyniki estymacji parametrów strukturalnych poszczególnych modeli zestawiono w tab. 1.19.

Tabela 1.19

Wyniki estymacji parametrów strukturalnych

Kwartał	Równanie modelu	Współczynnik determinacji R²	Standardowy błąd oceny modelu s
I	yj, -6,020 + 0,223^,	0,966	0,088
n	y_j2 - 6,880 + 0,991t_j2	0,991	0,052
m	9p =6,593+0,269ltj₃	0,976	0,088
IV	9j4 - 7,040 + 0,274tj₄	0,997	0,029

Źródło: obliczenia własne wykonane w arkuszu kalkulacyjnym Excel.

Parametry zestawione w tabeli świadczą o tym, że oszacowane funkcje trendu są dość dobrze dopasowane do danych empirycznych, na co wskazują stosunkowo małe standardowe błędy oceny modeli oraz bliskie jedności współczynniki determinacji. Oszacowane równania linii trendu dla poszczególnych faz cyklu dają wystarczającą podstawę do dokonywania krótkookresowych prognoz wielkości sprzedaży rękawic roboczych w kolejnych kwartałach 1998 r.

Na rys. 1.19 przedstawiono segmenty szeregu czasowego wyznaczone dla okresów jednoimiennych, czyli poszczególnych kwartałów lat 1992-1997.

Rys. 1.19. Sprzedaż rękawic roboczych w okresach jednoimiennych

Korzystając z metody trendów jednoimiennych okresów i stosując regułę podstawową wyznaczamy prognozy wielkości sprzedaży na poszczególne kwartały kolejnego cyklu, czyli na rok t ^m k + 1 = 7. Prognozy zostaną wyznaczone przez ekstrapolacje oszacowanych linii trendu. W tab. 1.20 przedstawiono prognozowane wielkości sprzedaży dla kolejnych kwartałów 1998 r. oraz oceny dokładności tych prognoz w postaci bezwzględnego i względnego błędu prognoz ex antę.

Tabela 1.20

Prognozy i Wędy prognoz sprzedaży rękawic roboczych

Kwartały	Prognoza na rok 1998	Bezwzględny błąd tx ante v,	Względny błąd er ant* n, (w
I	y^j = 6,020 + 0,223 • 7 - 7,581	0,120	1,58
n	y]_A = 6,880 + 0,263 • 7 - 8,721	0,071	0,t2
m	y V = 6,593 + 0,269 • 7 = 8,476	0,120	1.42
rv	y_u = 7,040 + 0,274 • 7 = 8,958	0,040	0,45

Źródło: obliczenia własne wykonane w arkuszu kalkulacyjnym Excel.

Przewidywana wielkość sprzedaży rękawic roboczych w I kwartale 1998 r. wyniesie 7,6 tys. par, w II kwartale tego roku - 8,7 tys. par, w m kwartale - 8,5 tys. par, a w IV kwartale - 9,0 tys. par. Porównując otrzymane wartości względnych błędów ex antę z jego krytyczną wartością 4%, możemy uznać wyznaczone prognozy za dopuszczalne, wyznaczone błędy względne bowiem nie przekroczyły zadanej wartości krytycznej.

A Analiza harmoniczna

Zjawisko okresowości w szeregu czasowym można badać i prognozować również za pomocą analizy harmonicznej.

Analiza harmoniczna polega na budowie modelu w postaci sumy harmonik, czyli funkcji sinusoidalnych lub cosinusoidalnych o danych okresach. Pierwsza harmonika ma okres równy długości okresu badanego, druga -połowie tego okresu, trzecia - jednej trzeciej itd. W przypadku n obserwacji

Wyszukiwarka

Podobne podstrony:
Ćwiczenia ze statystyki-- estymacja parametrów strukturalnych zbiorowości generalnej Zadanie
estymacja parametrów strukturalnych 2 godz. 10. Ocena dopasowania funkcji regresji liniowej do danyc
ELEMENTY PROCESU WNIOSKOWANIA STATYSTYCZNEGO ESTYMACJA PARAMETRÓW STRUKTURALNYCH ZBIOROWOŚCI
DSC00011 (28) Jeieli składnik losowy Jest heteroscedastyc/ny to estymator weku ; parametrów struktur
5 (919) 61 60 61 602. Estymacja parametów liniowej funkcji trendu Parametry strukturalne funkcji lin
2 (2048) / jeŹ^SSik losowy jest heteroscedastyczny to estymator wektora parametrów strukturalnych mo
TEORIA 1.    Wyprowadź estymator KMNK parametrów strukturalnych w KMRL 2.
Photo008(2) Oszacowanie modelu polega na wyznaczeniu elementów wektora ocen parametrów strukturalnyc
Photo008 Oszacowanie modelu polega na*wyznaczeniu elementów wektora ocen parametrów strukturalnych a
skanuj0009 A.Wnioskowane statystyczne dzielimy    Jcsl lo.SśffiU^./Qy^Q li. Estymato
statystyka skrypt11 L STATYSTYKA OPISOWA. ESTYMACJA PARAMETRÓW ZMIENNEJLOSOWEJ1.1. Cel ćwiczenia Ce
img110 110 Zauważmy, że układ (9.8) Jest wynikiem rugowanie parametru 71 z układu równań
1-2010 TRIBOLOGIA 75 LITERATURA 1.    Cwanek J., Przydatność parametrów struktur
IMAG0619 wykorzystanie modeli matematycznych • Przykład estymacji parametrów modelu liniowego: Wyzna
IMAG0620 Wykorzystanie modeli matematycznych • Przykład estymacji parametrów modelu liniowego: Wyzna
IMAG0621 Wykorzystanie modeli matematycznych ś Przykład estymacji parametrów modelu liniowego: Wyzna

więcej podobnych podstron