Page 345 - 4512

Multiplicative Season, No Trend
Ця модель часових рядів частково еквівалентна простій
експоненційній моделі згладжування, однак, крім того, кожен
прогноз "підвищений" по мультиплікативній компоненті, яка
згладжується незалежно (див. параметр згладжування сезон-
ного ).
Для обчислення згладжених значень в першому сезоні,
початкові значення сезонних компонент необхідні. За замовчу-
ванням, метод аналізу часових рядів оцінить ці значення (для
всіх моделей , включаючи сезонну складову) з даних за допо-
могою класичної сезонної декомпозиції. Початкове згладжене
значення S0 буде за замовчуванням обчислюватися як середнє
для всіх значень, включених до повних сезонних циклів.

Nonseasonal, Linear Trend
У цій моделі часових рядів, прості показово згладжувані
прогнози "посилені" лінійною трендовою складовою, що згла-
джується незалежно за допомогою параметру (гамма) (див. об-
говорення trend smoothing parameters). Цю модель також нази-
вають Holt's two parameter method.
Для того, щоб обчислити згладжене значення (прогноз)
для першого спостереження в серії, обидві оцінки S0 і T0 (поча-
тковий тренд) необхідно задати. За замовчуванням ці значення
обчислюються як :
T0 = ( Xn - X1 )/(N - 1)
де N довжина серії і S0 = X1- Т0/2.
Additive Season, Linear Trend
У цій моделі прості показово згладжувані прогнози "по-
силені" як лінійною трендовою складовою (незалежно зглад-
жується з параметром ) так і адитивною сезонною складовою
(згладженою з параметром ).
Для обчислення згладжених значень в першому сезоні,
початкові значення сезонних компонент необхідно задати. За
замовчуванням модуль Time Series оцінить ці значення (для всіх
моделей з сезонною складовою) з даних за допомогою класич-
ної сезонної декомпозиції. Крім того, для обчислення згладже-
них значень (прогнозних) для першого спостереження в серії
обидві оцінки S0 і T0 (початковий тренд) необхідно задати. За
замовчуванням ці значення обчислюються як:

344