Prognosemetoder – en oversikt - Telenor

58
53
48
43
38
33
28
1
0.5
0
-0.5
-1
0 2 4 6 8 10 12
0 5 10 15 20 25
Figur 7.20 En tidsrekke med 12 observasjoner Figur 7.21 Beregnet autokorrelasjonsfunksjon
for tidsrekken med 12 observasjoner
0 5 10 15 20 25
Figur 7.22 Beregnet autokorrelasjonsfunksjon
for tidsrekken med 40 observasjoner
Som vi husker fra kapittel 5 er standardavviket
lik kvadratroten av variansen.
En tilnærmet 95 % usikkerhetsgrense
eller konfidensintervall er da gitt
som to ganger standardavviket som i
dette tilfellet er 1 dividert med kvadratroten
av det antall observasjoner vi har.
Dersom vi eksempelvis har 36 støyledd
(n = 36) og antar at det ikke er autokorrelasjon
i støyen, så vil et tilnærmet 95 %
konfidensintervall være lik pluss minus
2 * 1/6 = 0,33. Dersom det imidlertid er
autokorrelasjon i støyleddene, vil usikkerhetsgrensen
bli enda høyere.
La oss igjen se på figur 7.23 som angir
den beregnede autokorrelasjonsfunksjonen
for tidsrekken med 40 observasjoner.
Vi ser at det er meget høye utslag
på autokorrelasjonen i avstand 4, 8, 12,
etc. Dette betyr at vi har en tidsrekke som
1
0.5
0
-0.5
-1
1
0.5
0
-0.5
-1
0 5 10 15 20 25
Figur 7.23 Beregnet autokorrelasjonsfunksjon
for støyleddene i en enkel sesongmodell
er sesongbetont med en sesongperiode på
4. Så langt har vi påstått at vi har følgende
modell:
yt = et Dette er helt klart en dårlig modell fordi
vi får store avhengigheter i støyleddene
som nå er identisk med observasjonene.
Vi foreslår nå en modell som sier at
observasjonen i dette kvartalet er den
35