Page 346 - 4512

T0 = (Mk-M1)/((k-1)p,
де
k - кількість повних сезонних циклів;
Mk - середнє на останньому сезонному циклі;
M1 - середнє на першому сезонному циклі;
p - довжина сезонного циклу
і S0 = M1- Т0/2.

Multiplicative Season, Linear Trend
У цій моделі прості показово згладжувані прогнози "по-
силені" як лінійною трендовою складовою (незалежно зглад-
жується з параметром ) так і мультиплікативною сезонною
складовою (згладженою з параметром ).
Для обчислення згладжених значень в першому сезоні,
початкові значення сезонних компонент необхідно задати. За
замовчуванням Time Series метод аналізу оцінить ці значення
(для всіх моделей з сезонною складовою) з даних за допомогою
класичної сезонної декомпозиції. Крім того, для обчислення
згладженого значення (прогноз) для першого спостереження в
серії, обидві оцінки S0 і T0 (початковий тренд) необхідно задати.
За замовчуванням

T0 = (Mk-M1)/((k-1)p,
де
k - кількість повних сезонних циклів;
Mk - середнє на останньому сезонному циклі;
M1 - середнє на першому сезонному циклі;
p - довжина сезонного циклу
і S0 = M1- рТ0/2.

Nonseasonal, Exponential Trend
У цій моделі часових рядів, прості показові прогнози згла-
джування "посилені" експоненційною трендовою складовою
(згладженою з параметром ).
Щоб обчислити згладжене значення (прогноз) для пер-
шого спостереження в серії, обидві оцінки S0 і T0 (початковий

345