Временные ряды и динамические процессы. Часть 1

Спектральная плотность связана с интенсивностью согласно формуле

Процесс АР(2) имеет автокорреляционную функцию, которая

• имеет бесконечную протяженность
• не меняется после
• обращается в ноль после некоторой точки
• имеет максимум в точке

Сглаживание временного ряда означает устранение

• функции тренда
• сезонной компоненты
• циклической компоненты
• случайных остатков

Модель СС(1) описывается соотношением

О наличии данной частоты в спектре временного ряда свидетельствует ________ спектральной плотности

• минимум
• пик на графике
• обращение в ноль
• быстрые осцилляции

В критерии серий, основанном на медиане, временному ряду 2, 5, 4, 6, 3 соответствует последовательность

Относительная ошибка прогноза определяется как

Автоковариация члена ряда с самим собой равна

• 1
• 0

Для выполнения теста Чоу используется распределение

• Фишера
• Стьюдента
• Гаусса
• Пуассона

В методе скользящего среднего веса определяется с помощью ______

• критерия серий, основанного на медиане
• метода последовательных разностей
• МНК
• критерия восходящих и нисходящих серий

В модели СС(1) спектральная плотность равна

Идентификация модели СС(2) сводится к решению системы двух ______ уравнений

• тригонометрических
• дифференциальных
• нелинейных
• линейных

Модель Кейгана — модель, описывающая гиперинфляцию с помощью модели

• скользящего среднего
• адаптивных ожиданий
• частичного приспособления
• потребления

Для конечного процесса авторегрессии порядка величина e может быть представлена как ____ сумма предшествующих

• бесконечная
• расходящаяся
• конечная
• ограниченная

Если элементы набора данных не являются статистически независимыми, то речь идет о

• случайной выборке
• временном ряде
• стационарном временном ряде
• генеральной совокупности

Лаговая структура Койка описывает простую экономическую ситуацию, когда влияние на с увеличением

• проходит через максимум
• равномерно уменьшается
• проходит через минимум
• не изменяется

Критерий восходящих и нисходящих серий позволяет

• выявить неслучайную составляющую
• найти доверительный интервал прогноза
• определить среднеквадратичное отклонение
• найти минимальные и максимальные значения

Порядок модели Бокса — Дженкинса подбирается c помощью анализа поведения функции

• спектральной плотности
• дисперсии
• интенсивности
• автоковариации

Если неслучайная составляющая временного ряда имеет линейный вид , то равно

Обычно прогнозы, получаемые с помощью моделей Бокса — Дженкинса, оказываются на практике _______________ прогнозов, построенных по макроэкономическим моделям

• не лучше
• значительно лучше
• значительно хуже
• не хуже

Для идентификации АР и СС моделей сначала делают оценки

• частной автокорреляции
• автокорреляционной функции
• спектральной плотности
• автоковариационной функции

Коэффициент автокорреляции случайных остатков в модели АР(1) равен

Неслучайная составляющая аппроксимируется полиномом степени p, если функция

• не меняется после
• перестает возрастать после
• обращается в ноль в точке
• имеет пик в точке

В критерии восходящих и нисходящих серий временному ряду 6, 2, 4, 6, 4 соответствует последовательность

Если временной ряд является стационарным в узком смысле, то

• ;
• ;
• ;
• ;

Если обозначает белый шум, и , то величина равна

• 0

В лаговой структуре Койка веса равны _____ , где

Процесс СС(2) имеет автокорреляционную функцию, которая

• имеет бесконечную протяженность
• имеет максимум в точке
• обращается в ноль после некоторой точки
• не меняется после

Коэффициент Тейла служит критерием

• успешности сделанного прогноза
• применимости статистических методов
• стационарности временного ряда
• сходимости временного ряда

Модель СС(2) описывается соотношением

В критерии серий, основанном на медиане, протяженность самой длинной серии временного ряда 5, 1, 4, 2 равна

• 4
• 1
• 3
• 2

Если коэффициент Тейла равен нулю, то

• следует провести повторные измерения
• в данном случае он неприменим
• прогноз сделан неудачно
• прогноз сделан успешно

СС(1)-процесс обратим при

• любых

Функция спектральной плотности позволяет установить

• успешность сделанного прогноза
• стационарность временного ряда
• дисперсию временного ряда
• частоты колебаний

В критерии серий, основанном на медиане, общее число серий временного ряда 1, 3, 5, 4, 2 равно

• 4
• 5
• 3
• 2

Коэффициент автокорреляции определяется соотношением:

Модель авторегрессии 1-го порядка описывается выражением

Для стационарных временных рядов при величина

• не определена
• стремится к единице
• осциллирует
• стремится к нулю

Зависимость объемов введенных основных фондов от капитальных вложений описывается

• регрессионной моделью с распределенными лагами
• авторегрессионной моделью 2-го порядка
• моделью скользящего среднего 2-го порядка
• моделью Бокса — Дженкинса

Для ранжированного временного ряда медиана равна

Для стационарного ряда выборочная дисперсия равна

На больших временах ________факторы описываются монотонной функцией

• долговременные
• случайные
• сезонные
• циклические

Модель АРПСС(0,0,2) описывается соотношением

Целевая переменная в модели частичного приспособления имеет вид

Если неслучайная составляющая временного ряда имеет вид полинома 3-й степени, то равно

Критерий серий, основанный на медиане, позволяет

• найти доверительный интервал предсказания
• определить успешность прогноза
• определить выборочное среднее
• выявить неслучайную составляющую

Для весовых коэффициентов в методе скользящего среднего справедлива формула

Спектральная плотность временного ряда определяется через

• частную автокорреляционную функцию
• автоковариационную функцию
• автокорреляционную функцию
• автоковариационную функцию, взятую в нуле

Ряд , сгенерированный моделью СС(1), может быть представлен также в виде модели авторегрессии _________ порядка

• бесконечного
• нулевого
• второго
• первого

Спектральная плотность марковского процесса равна