Page 347 - 4512

тренд) необхідно задати. За замовчуванням ці значення об-
числюються як:

T0 = (X2/X1)

S0 = X1/T0.

Additive Season, Exponential Trend
У цій моделі часових рядів, прості показово згладжені
прогнози "посилені" як експоненційною трендовою складовою
(незалежно згладжується з параметром ) так і адитивною се-
зонною складовою (згладженою з параметром ).
Для обчислення згладжених значень в першому сезоні,
початкові значення сезонних компонент треба задати. За замо-
вчуванням модуль Time Series оцінить ці значення (для всіх мо-
делей, включаючих сезонну складову) з даних за допомогою
класичною 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 ці значення обчислюються як:

T0 = exp((log(Mk) - log(M1))/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 = exp(log(M1) - plog(T0)/2).

Multiplicative Season, Exponential Trend
У цій моделі часових рядів, прості показово згладжені
прогнози "посилені" як експоненційною трендовою складовою
(незалежно згладжується з параметром ) так і мультиплікатив-
ною сезонною складовою (згладженою з параметром ).

346