Page 279 - 4512

визначити різні методи для вичислення цієї вірогідністі. Відмі-
тимо, що для дуже великих сезонних затримок (наприклад, 365
днів щорічно), рекомендується використати приблизний
(Approximate), а не точний (Exact) метод максимальної вірогід-
ності, який менш ефективний в цих випадках (див. Estimation
method в Options tab).

p - Autoregressive. Введіть значення в p-Autoregressive,
щоб визначити число авторегресійних параметрів в моделі.

P - Seasonal. Введіть значення в P- Seasonal, щоб визна-
чити число сезонних авторегресійних параметрів в моделі.
Якщо які-небудь сезонні параметри відібрані, сезонна затримка
має також бути визначена.
q - Moving aver. Введіть значення в q - Moving aver., щоб
визначити число параметрів ковзаючого середнього значення в
моделі.

Q - Seasonal. Введіть значення в Q - Seasonal, щоб визна-
чити число сезонних параметрів ковзаючого середнього зна-
чення в моделі. Якщо які-небудь сезонні параметри відібрані,
Seasonal lag також має бути визначена.

Transform variable (series) prior to analysis. Перетво-
рення, вибрані через Transform variable (series) prior to analysis
виконуються до аналізу, а параметри ARIMA оцінюються для
перетвореного ряду. Перш, ніж вичислити прогнози ці перетво-
рення будуть "знищені" і, тому, прогнози інтерпретуються в те-
рмінах метрики неперетвореного ряду. Додаткові перетворення
доступні через Advanced tab.

Natural log. Виберіть опцію Natural log, щоб вичислити
логарифм для кожного значення ряду.

Power transform. Коли прапорець Power transform відіб-
раний, кожне значення в ряду буде піднесено до степеня C, де
C - величина, визначена в коробці, суміжній з Power transform.

Difference. Коли опція Difference вибрана, ряд буде про-
диференцьований. Відмітимо, що несезонний (1) і сезонний (2)

278