Информационные технологии прогнозирования состояний экономических объектов, страница 31

6.2    S_t= a + b₁C_t1 + b₂C_t2 + … b_rC_tr ;

6.3    S_t= a + b₁S_t1 + b₂S_t2 + … b_rS_tr + E_t.

7.      Модель стационарной авторегрессии имеет вид:

7.1    S_t = a S_t-1 + E_t,  M(E_t) = 0, M(E_t E_{t - k})=s ² d _k;

7.2    S_t= a + b₁C_t1 + b₂C_t2 + … b_rC_tr ;

7.3    S_t = a₁ S_t-1 +a₂ S_t-2 + E_t, M(E_t) = 0, M(E_t E_{t - k})=s ² d _k.

8.      Cамым простым и надежным методом отражения

тенденций в стратегическом прогнозировании является:

8.1    линейный (полиномиальный) авторегрессионный анализ;

8.2    авторегрессионный анализ;

8.3    линейный (полиномиальный) регрессионный анализ.

10.    Предикторами величины Y являются:

10.1  функции f(X), «близкие»  по некоторой мере сравнения (сходства) к величине Y;

10.2  функции f(X), похожие на величину Y;

10.3  функция регрессии.

11.    Регрессией нормально распределенных случайных

величин X и Y является функция:

11.1  r(x) = áyñ + (s_Y /s_X) r_XY (x – áxñ);

11.2  функции f(X), похожие на величину Y;

11.3  r(x) = áyñ + r_XY (x – áxñ).