STAT 1 _teorie
Níže je uveden pouze náhled materiálu. Kliknutím na tlačítko 'Stáhnout soubor' stáhnete kompletní formátovaný materiál ve formátu PDF.
- 12 -
252) Co je extrapolace časové řady a jaký má význam?
- dělání prognóz do budoucnosti
- nejčastější způsob použití extrapolačních kritérií je založen na simulaci spočívá v tom, že z
analýzy řady oddělíme určitou část pozorování a na vhodný T funkce usuzujeme podle toho,
jak dobře extrapoluje tato pozorování.
253) Pomocí jakých měr posoudíte přesnost extrapolace?
- Index korelace a determinace, u lin. záv. pomocí korel. koeficientu. Nebo pokud nemůžu
model popsat žádnou závislosí tak poměrem determinace.
254) Jak vyberete vhodnou metodu pro extrapolaci časové řady?
- nakreslím graf a posoudím průběh, potom analyzuji růstové charakteristiky a diference
255) Z údajů časových řad dvou ukazatelů y a x byl vypočten korelační koeficient ryx = 0,8.
Jaké závěry z této hodnoty můžeme učinit?
- mezi y a x existuje středně silná lineární závislost
256) Z údajů časových řad ukazatele y a ukazatele x byl vypočten korelační koeficient ryx =
0,6. O čem vypovídá? Středně silná závislost
257) Časová řada čtvrtletních údajů je rostoucí a sezónní indexy rostou úměrně trendu. Jak
byste posoudili sezónnost takové časové řady?
- jedná se o proporcionální sezónnost
258) Co chápeme pod pojmem paralelismus časových řad a co způsobuje?
Souběh časových řad: Systematické složky časových řad, zejm. celkový vývoj tendence,
mohou mít velmi podobný průběh v čase, což může vést k pozorování silné závislosti mezi
proměnnými, jež ve skutečnosti vůbec závislé nejsou. Proto je třeba zjistit, zda existuje
nějaký vztah mezi náhodnými složkami, a pak teprve pak usuzovat na souv, mezi ČŘ.