4 point moving average questions

Médias móveis Se esta informação é plotada em um gráfico, a seguinte aparência: Isso mostra que há uma grande variação no número de visitantes, dependendo da estação. Há muito menos no outono e inverno do que na primavera e no verão. No entanto, se quiséssemos ver uma tendência no número de visitantes, poderíamos calcular uma média móvel de 4 pontos. Fazemos isso encontrando o número médio de visitantes nos quatro trimestres de 2005: Então, encontramos o número médio de visitantes nos três últimos trimestres de 2005 e no primeiro trimestre de 2006: Então os dois últimos trimestres de 2005 e os dois primeiros trimestres de 2006: Observe que a última média que podemos encontrar é nos dois últimos trimestres de 2006 e nos dois primeiros trimestres de 2007. Nós plotamos as médias móveis em um gráfico, certificando-nos de que cada média seja traçada no centro dos quatro trimestres. Ele cobre: ​​Agora podemos ver que há uma tendência muito baixa nos visitantes. Exemplo de Perguntas (de Testes Anteriores) Nota: A resposta correta é seguida por. O código i - j se refere a qual seção do texto a pergunta foi projetada para endereçar. 1. Que fatores as cinco técnicas de suavização de dados apresentadas no Capítulo Três têm em comum A) Todas elas usam apenas observações passadas dos dados. B) Todos eles não conseguem prever reversões cíclicas nos dados. C) Todos suavizam o ruído de curto prazo, calculando a média dos dados. D) Todas as previsões correlacionadas serialmente do produto. E) Todos os itens acima estão corretos. 2. Uma média móvel de 3 pontos centralizada simples da variável de séries temporais Xt é dada por: A) (Xt-1 Xt-2 Xt-3) / 3. B) (Xt Xt-1 Xt-1) / 3. C) (Xt1 Xt Xt-1) / 3. D) Nenhuma das opções acima está correta. 3. A suavização da média móvel pode levar a inferências enganosas quando aplicada a A) dados estacionários. B) reversão de tendência de previsão no mercado de ações. C) conjuntos de dados pequenos e limitados. D) conjuntos de dados grandes e abundantes. E) Nenhuma das opções acima está correta. 4. Qual dos seguintes itens não é correto em relação à escolha do tamanho apropriado da constante de suavização (a) no modelo de suavização exponencial simples A) Selecione valores próximos de zero se a série tiver uma grande variação aleatória. B) Selecione valores próximos a um se você deseja que os valores de previsão dependam fortemente das mudanças recentes nos valores reais. C) Selecione um valor que minimize o RMSE. D) Selecione um valor que maximize o erro médio quadrático. E) Todos os itens acima estão corretos. 5. A constante de suavização (a) do modelo de suavização exponencial simples A) deve ter um valor próximo de um se os dados subjacentes forem relativamente erráticos. B) deve ter um valor próximo de zero se os dados subjacentes forem relativamente suaves. C) está mais próximo de zero, quanto maior a revisão na previsão atual, dado o erro de previsão atual. D) está mais próximo de um, quanto maior a revisão na previsão atual, dado o erro de previsão atual. 6. O procedimento dos mínimos quadrados minimiza a soma A) dos residuais. B) quadrado do erro máximo. C) soma de erros absolutos. D) soma dos resíduos quadrados. E) Nenhuma das opções acima está correta. 7. Um resíduo é A) a diferença entre a média de Y condicional em X e a média incondicional. B) a diferença entre a média de Y e seu valor real. C) a diferença entre a previsão de regressão de Y e seu valor real. D) a diferença entre a soma dos erros quadrados antes e depois de X é usada para predizer Y. E) Nenhuma das alternativas acima está correta. 8 As perturbações do modelo de regressão (erros de previsão) A) são assumidas como seguindo uma distribuição de probabilidade normal. B) são assumidos como independentes ao longo do tempo. C) são assumidos como média a zero. D) pode ser estimado pelos resíduos OLS. E) Todos os itens acima estão corretos. 9. Índices sazonais de vendas para o Black Lab Ski Resort são para 1,20 de janeiro e 80 de dezembro. Se as vendas em dezembro de 1998 foram de 5.000, uma estimativa razoável de vendas para janeiro de 1999 é: E) Nenhuma das opções acima está correta. 10. Quais das seguintes técnicas não são utilizadas para resolver o problema da autocorrelação A) Modelos autorregressivos. B) Melhorando a especificação do modelo. C) Movendo suavização média. D) Primeiro diferenciando os dados. E) Regressão usando alterações percentuais. 11. Qual dos seguintes não é uma consequência da correlação serial A) As estimativas de inclinação do OLS são agora imparciais. B) Os intervalos de previsão do OLS são enviesados. C) O R-quadrado é menor que 0,5. D) As estimativas pontuais são imparciais. E) Nenhuma das opções acima está correta. 12. A autocorrelação leva ou causa: B) Correlação serial. C) regressão espúria. D) Regressão não linear. E) Todos os itens acima estão corretos. 13. Intervalos de previsão exatos para a variável dependente A) são em forma de arco ao redor da linha de regressão estimada. B) São lineares em torno da linha de regressão estimada. C) não levar em conta a variabilidade de Y em torno da regressão da amostra. D) não levar em conta a aleatoriedade da amostra. E) Nenhuma das opções acima está correta. Exemplo de Problema Curto 14. Um modelo de regressão linear bivariado que relaciona as despesas domésticas de viagem (DTE) como uma função da renda per capita (IPC) foi estimado como: DTE -9589.67 .953538 (IPC) Previsão DTE pressupondo que o IPC será 14.750. Faça o ponto apropriado e estimativas aproximadas de intervalo de 95 por cento, assumindo que a variância estimada do erro de regressão foi 2.077.230,38. A estimativa pontual de DTE é: DTE -9589.67 .953538 (14.750) 4.475.02. O erro padrão da regressão é 1441.26, e o intervalo de confiança aproximado de 95 é: 4.475.02 plusmn (2) (1441.26) 4.475.02 plusmn 2882.52 P1592.50 lt DTE lt 7357.54 .95. b) Dado que o atual DTE acabou sendo 7.754 (milhões), calcule o erro percentual na sua previsão. Se o valor real do DTE for 7.754, o erro percentual na previsão, com base na estimativa pontual de 4475.02, será de 42,3. (7754 - 4475,02) / 7754,423. 15 Se for descoberto que os erros de previsão de um modelo do tipo ARIMA exibem correlação serial, tal modelo A) não é um modelo de previsão adequado. B) é um candidato para adicionar outra variável explicativa. C) quase certamente contém sazonalidade. D) é um candidato para a regressão Cochrane-Orcutt. E) Todos os itens acima estão corretos. 16. Os modelos de média móvel são melhor descritos como A) médias simples. B) médias não ponderadas. C) médias ponderadas de séries de ruído branco. D) médias ponderadas de variáveis ​​aleatórias não normais. E) Nenhuma das opções acima está correta. 17. Qual dos seguintes padrões do correlograma da função de autocorrelação parcial é inconsistente com um processo de dados autorregressivo subjacente A) Declinando exponencialmente a zero. B) Declinando ciclicamente para zero. C) Positivo no início, depois negativo e aumentando para zero. D) Negativo primeiro, depois positivo e declinando para zero. E) Todos os itens acima estão corretos. 18 A função de autocorrelação de uma série temporal mostra coeficientes significativamente diferentes de zero nos lags de 1 a 4. A função de autocorrelação parcial mostra um pico e aumenta monotonicamente para zero à medida que o comprimento de lags aumenta. Essa série pode ser modelada como modelo. E) Nenhuma das opções acima está correta. 19. Qual dos seguintes não é um primeiro passo no processo de seleção do modelo ARIMA A) Examine a função de autocorrelação da série bruta. B) Examine a função de autocorrelação parcial da série bruta. C) Teste os dados para estacionaridade. D) Estimar um modelo ARIMA (1,1,1) para fins de referência. E) Todos os itens acima estão corretos. 20 Qual é a hipótese nula sendo testada usando a estatística Box-Pierce A) O conjunto de autocorrelações é conjuntamente igual a zero. B) O conjunto de autocorrelações não é em conjunto igual a zero. C) O conjunto de autocorrelações é em conjunto igual a um. D) O conjunto de autocorrelações não é em conjunto igual a um. E) Todos os itens acima estão incorretos. 21. O principal objetivo da combinação de previsões é reduzir B) o viés de previsão médio. C) erro médio de previsão quadrada. D) erro médio de previsão absoluta. E) Todos os itens acima estão corretos. 22. Qual dos seguintes é uma vantagem em usar a abordagem adaptativa para estimar os pesos ideais no processo de combinação de previsão A) Os pesos mudam de período para período. B) Um teste do viés do modelo de previsão combinado pode ser realizado. C) A covariância entre as variações de erro é utilizada. D) Os pesos são escolhidos de modo a maximizar a variação do erro de regressão. E) Todos os itens acima estão corretos.4 Aponte médias móveis e médias móveis centradas Meu cérebro está realmente falhando comigo hoje - oh querida. 001unsure: Estou fazendo um artigo de prática de simulação da Unidade 7 e há uma pergunta que me pede para calcular a tendência de vendas nos últimos 3 anos usando médias móveis. Eu sou dado 3 anos no valor de números de vendas, cada dividida em 4 trimestres. Meu livro de estudo só detalha médias móveis de 3 pontos, mas felizmente eu já estudei médias móveis de 4 pontos no nível Tech - eu só quero esclarecer que o que estou fazendo está correto. O modelo que recebo mostra os números de vendas em uma coluna, depois uma coluna para média móvel de 4 períodos e uma coluna final para média móvel centralizada. Então, o que eu estou fazendo é pegar o total do ano 1 (todos os 4 trimestres) e dividir por 4 - essa média vai entre o ano Q2 e Q3, então continuo fazendo esse cálculo, mas descendo essa coluna, ou seja, o próximo cálculo é ano 1 Q1, Q2 e Q3 mais ano 2 Q1 dividido por 4 e isso vai entre ano 1 Q3 e Q4 etc. Então, na coluna média móvel centralizada, eu totaliza as 2 médias e divide por 2 e coloco a figura contra ano 1 Q3 e continue pela coluna assim. Isso soa bem