Ao calcular uma média móvel em execução, colocar a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média dos primeiros 3 períodos de tempo e colocamos ao lado do período 3. Poderíamos ter colocado a média no meio do Intervalo de tempo de três períodos, isto é, ao lado do período 2. Isso funciona bem com períodos de tempo estranhos, mas não tão bons para períodos de tempo iguais. Então, onde colocamos a primeira média móvel quando M 4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar esse problema, suavizamos as MAs usando M 2. Assim, suavizamos os valores suavizados. Se medimos um número par de termos, precisamos suavizar os valores suavizados. A tabela a seguir mostra os resultados usando M 4pute uma média móvel centrada cma de comprimento 4 para calcular uma média móvel centrada (CMA) de comprimento 4 para a série. Qual é o valor do CMA para o período de tempo t 4. CMA .5143 142 162 145 .51234 5824 145.5 140 142 144 146 Escolha um intervalo: lt ------------------ ----------------- gt ABCDE 13. As seis primeiras observações em uma série de tempo de vendas são como mostrado acima. Suponha que você calcula uma média móvel centrada (CMA) do comprimento 4 para a série. Para o período de tempo t 5, o valor desse CMA é 144.0. Qual é o valor da média correspondente a relação-para-movimento (RMA 5) para este período de tempo RMA yCMA 145144 1.0069 1.000 1.010 1.020 1.030 Escolha um intervalo: lt ---------------- ------------------- gt ABCDE 14. As seis primeiras observações em uma série de tempo de vendas são como mostrado acima. Suponha que você aplique suavização exponencial dupla para esses dados usando as constantes de suavização W 0.22 e C 0.18. Sua estimativa inicial da inclinação é b 1 -0.400. Em caso afirmativo, o que é E 4. o valor suavizado que você calcula após o período de tempo t 4. Pegue E1 Y1 131 e b1 -.4 E2 .22Y2 .78 (E1 b1) .22 (143) .78 (131 -.40) 133.3280 b2 .18 (E2 ndash E1) .82b1 .18 (133.3280 ndash 131) .82 (- .4) 0.09104 E3 .22Y3 .78 (E2 b2) .22 (142) .78 (141.362 0.09104) 135.3069 B3 .18 (E3 ndash E2) .78b2 .18 (135.3069 ndash 133.328) .82.09104 0.69085 E4 .22Y4 .78 (E3 b3) .22 (162) .78 (135.3069 .69085) 141.5154 153.5 155.0 156.5 158.0 Escolha um intervalo: lt-- --------------------------------- gt ABCDE 15. As seis primeiras observações em uma série de tempo de vendas são como mostrado acima . Suponha que você aplique um alisamento exponencial simples a esses dados usando uma constante de suavização de W 0.31. O que é E 4. o valor suavizado que você calcula após o período de tempo t 4. Pegue E1 Y1 131 Então E2 .31Y2 .69E1 .31 (143) .69 (131) 134.72 Então E3 .31Y3 .69E2 .31 (142) .69 (134.72) 136.9768 Então E4 .31Y4 .69E3 .31 (162) .69 (136.9768) 144.734 138 140 142 144 Escolha um intervalo: lt -------------------- --------------- gt ABCDE Esta pré-visualização tem secções intencionalmente desfocadas. Inscreva-se para ver a versão completa. QMB 3250 Fall 2014 lt Exam 4 gt SOLUÇÃO DA VERSÃO C 15 de dezembro de 2014 Em uma amostra de 10 cidades com populações similares, uma empresa usou diferentes níveis de publicidade. Eles então administraram uma regressão do nível de vendas no orçamento de publicidade. Como o relacionamento pareceu não linear, eles realmente se encaixam em um modelo quadrático. Esse modelo foi: Vendas Estimadas 5.702 0.131980 Anúncio ndash 0.004010 Anúncio 2 16. O que esse modelo prevê para vendas se o nível de publicidade fosse de 7 Vendas Estimadas 5.702 0.131980 (7) ndash 0.004010 (7) 2 6.42937 6.30 6.40 6.50 6.60 Escolha um intervalo: Lt ----------------------------------- gt ABCDE 17. Qual é a inclinação no modelo se a publicidade Nível 7 dYdx 0.131980 ndash 2 (0.004010) (7) 0.07584 0.079 0.084 0.089 0.094 Escolha um intervalo: lt --------------------------- -------- gt ABCDE 18. Qual foi o alvo que eu dei à classe pelo nível mínimo de participação nas avaliações do curso A. 20 ou mais B. 25 ou mais C. 40 ou mais D. 50 ou mais E. 63 ou mais e você estava bem por cima. Por favor, reveja a identificação do estudante que você digitou em seu scantron. Certifique-se de que está correto e os círculos corretos estão completamente enrolados. Além disso, circule no Form Code C no scantron. Como de costume, plusmnailure para fazer ou ombmn estas coisas disup2cult irá custar-lhe 3 pontos. Este é o fim da pré-visualização. Inscreva-se para acessar o resto do documento.4. Médias moventes centradas de comprimento m: a) let Este é o fim da pré-visualização. Inscreva-se para acessar o resto do documento. Pré-visualização de texto não formatado: 4. Médias móveis do centrado m: a) Deixe CMA (m) t ser uma média móvel centrada de comprimento m, uma média de m valores consecutivos da série y centrada no período de tempo t. B) Exemplos numéricos e notas. Centrado MA t y t CMA (3) t CMA (6) t 1 2 3 4 5 6 7 8 9 3 5 2 5 2 4 3 5 7 3,3 4,0 3,0 3,7 3,0 4,0 5,0 7,0 3,5 3,5 3,9 4,7 Ec 178 SMOOTHINGTRENDS p. 3 de 16 1 9 1) Um CMA é apropriado para a série de alisamento com tendência ou variação sazonal recorrente (repetindo todos os períodos m). 2) Observe que algumas observações são sempre perdidas no início e no final da série suavizada CMA (m) t. 3) No exemplo à direita: CMA (3) t y t-1 y t y t1 3 CMA (6) t y t-3 2 (y t-2 y t-1 y t y t1 e t2) y t3 12 Ec 178 SMOOTHINGTRENDS p. 4 de 16 B. Previsões de processo constante 1. Processos constantes: a) Modelo de processo constante. 1) y t c u t. Onde c é uma constante e você é um erro aleatório. 2) Suposições adicionais: E (u t) 0 E (y t) y c V (u t) 2 u. Para todos t b) Padrão característico - gráfico horizontal ao nível de c com amplitude constante. C) Uma vez que o nível médio é constante, o problema de previsão é estimar a média. Uma maneira é simplesmente calcular o significado y n. Então deixe nh y n para h 1, 2 2. Suavização Exponencial Única (SES): a) SES aplica EWMA a previsões de curto prazo quando y t é gerado por um processo constante, mas o nível pode estar mudando lentamente ou irregularmente ao longo do tempo. O que é comum em dados de séries temporais econômicas e sociais. B) equações de suavização recursivas SES. Nível da Série Suavizada (Média): t y t (1) t-1 0 Amplitude ampliada 1 Ex-post de 1 passo: t-1,1 t t-1. T 2n Previsões de pontos ex ante: nh n. H 1, 2, Inicializando o nível suavizado: média y para y t. T 1 n2 c) Notas sobre previsões de pontos SES. 1) as previsões ex post e ex ante de 1 passo simplesmente projetam (extrapola) o nível mais suavizado t no período futuro (ou mais). 2) Podemos escolher minimizar o RMSE de erros de previsão de 1 passo, isto será usado no exemplo Cod Catch mais adiante nesta seção e discutido mais detalhadamente no Tópico 4. d) Previsões de Intervalo com SES. 1) Das previsões de 1 passo t t-1,1. Computa os N últimos valores de erros de previsão de 1 passo t y t t. Então, o intervalo de predição 95 para y nh. 2) Observe que a largura do intervalo (ou incerteza) aumenta à medida que h aumenta, e é menor para valores menores de. 3) O Divisor Nk às vezes é usado para calcular RMSE para modelos de suavização, onde k é o número de parâmetros de suavização estimados. Para SES, k 1. e) Exemplo numérico. Ver documento completo Clique para editar os detalhes do documento
No comments:
Post a Comment