Page 292 - 4512

нового ряду будуть скопійовані з оригінального ряду, а потім
будуть додано 20 прогнозів (випадки 101 - 120).

3. Вкладка Autocorrelations Tab

Autocorrelation of residuals. Використайте варіанти в
Autocorrelation of residuals, щоб вичислити автокореляцію і ча-
сткову автокореляцію для залишків (вичислених для перетво-
реного і продиференційованого ряду). Ці статистичні дані бу-
дуть показані в таблиці і в кореляційному графіку. Зверніться
до Overview для короткого опису того, як картина часткових ав-
токореляцій допомагає у визначенні відповідної моделі
ARIMA. Взагалі, якщо модель ARIMA досить добре відтворює
спостережувані значення в ряду, то ніякі часткові автокореляції
не повинні залишитися, тобто, бути присутнім в залишках.

Автокореляції. Клацніть кнопкою Autocorrelations, щоб
показати таблицю і графік автокореляцій для залишків, для за-
тримки 1 через число, визначене в Number of lags (див. нижче).
Таблиця містить дані про автокореляції, їх стандартні помилки,
так звану статистику Box-Ljung і довірчих рівнів для неї. Для
деталей відносно обчислень цих статистик, звернетеся до
autocorrelation.

White noise standard errors. За припущенням, що істинні
переміщення середнього процесу в серіях мають порядок k-1,
приблизна стандартна помилка автокореляції rk обчислена, як:

  2  
StdErr ( )r   1 N  1 2   r i   (for i = 1 to k-1) .
  k i  

Тут N - число спостережень в серіях. За припущенням, що
серії – це білий шумовий процес, тобто, що усі автокореляції
дорівнюють нулю, стандартна помилка rk обчислена, як:

StdErr ( )r    1 N   N k N    2  .  

k
291