Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
dosítása, vagyis a prognosztizált értéket a legutóbbi relatív változás yt/yt-1 hozzákapcsolásával képezi figyelembe<br />
véve a legutóbbi megfigyelést:<br />
2.2 Szabály:<br />
i<br />
ˆyt+i = y t (y t /y t−1) Ez az alkalmazás multiplikatív műveletet tartalmaz, a 2.1 szabály additív művelete helyett. Ha az i prognózistáv<br />
egy periódusnál nagyobb, a relatív változás tényezőt i-szer kell alkalmazni a legutóbbi megfigyelésre,<br />
ezért alkalmazzuk az i hatványkitevőt, melyre a relatív változást emeljük. A 2.2 szabály trenddel<br />
kapcsolatos fogalmi nehézségei azonosak a 2.1 szabályéival.<br />
2.3 Szabály:<br />
A 2.3 szabály képviseli az erőfeszítést a hosszú távú változás képletbe foglalása problémájának megoldására.<br />
A legutóbbi abszolút változás használata helyett kiigazítási tényezőként, 2.3 az összes egymást követő<br />
megfigyelés növekmény mediánját használja a sorban, és ezáltal alkalmazza a teljes adatsorra kiterjedő<br />
információt. A számtani átlag nagysága kizárólag az idősor legrégebbi (k=2) és legújabb (m) adatától<br />
függ, és ha ez a két adat eltér az általános tendenciától, akkor az átlagos növekmény nem ad pontos értéket.<br />
A medián, mint helyzeti középérték alkalmazása ezért indokolt, ugyanis a medián – mint korábban<br />
már bemutattuk - egy biztosan közepes, meglehetősen robusztus (azaz viszonylag érzéketlen a kiugró értékekre)<br />
középértéknek bizonyult. A medián robusztus tulajdonságát könnyű megérteni, ha arra gondolunk,<br />
hogy a rangsorba rendezett adatok szélső értékei nagyságát nem befolyásolják. A medián, a szó legszorosabb<br />
értelmében közepes érték, a mennyiségi ismérvértékek közül az az érték, amelynél ugyanannyi<br />
kisebb, mint nagyobb érték fordul elő.<br />
Meghatározása igen egyszerű, mivel értéke a rangsorba rendezett ismérvértékek középső tagja, tehát, ha<br />
az elsőrendű differenciákat jelöljük:<br />
α k =(yk -y k-1)<br />
m = a megfigyelések száma az idősorban.<br />
k=2…..m<br />
- páratlan elemszámú adathalmaz esetén:<br />
α<br />
Me (m 1) 1<br />
k<br />
⎛ − + ⎞<br />
α = ⎜ ⎟<br />
⎝ 2 ⎠<br />
- páros számú adat esetén a medián nem esik egybe egy konkrét megfigyeléssel, így ilyenkor, konvencionálisan<br />
a<br />
α (m 1) 1 (m 1) 1<br />
k<br />
⎛ − + ⎞ + αk<br />
⎛ − + ⎞<br />
⎜ ⎟ ⎜ + 1⎟<br />
⎝ 2 ⎠ ⎝ 2 ⎠<br />
Meα<br />
=<br />
2<br />
képlettel határozható meg.<br />
A szabály algebrai formulája:<br />
2.4 Szabály<br />
( )<br />
ˆyt+i = yt+ i Meα A 2.3 szabályhoz hasonlóan a 2.4 szabály a teljes adatsorra kiterjedő információt használja. A 2.4 szabály<br />
a 2.2 módosítása úgy, hogy a periódusról periódusra számított relatív változás mediánját használja a teljes<br />
sorra (a legutóbbi egyperiódusú relatív változás helyett) trendkiigazítási tényezőként. Az átlagos növekményi<br />
változást úgy számítjuk, hogy az egymást követő egyperiódusú növekményi változások mediánját<br />
határozzuk meg. Az előrejelzés képlete: a legutolsó megfigyelt értéket meg kell szoroznunk a számított<br />
trendkiigazítási tényező (Me) (i)-ik hatványával. Mivel a 2.3 szabály a teljes adatsorra kiterjedő információt<br />
használja, helyesebben tekinthető trendet becslőnek, mint a 2.1 szabály.<br />
k =(y k/y k-1)<br />
β<br />
m = a megfigyelések száma az idősorban.<br />
k=2…..m<br />
83