Metody Prognozowania - Wykład 4. Miary dokładnosci predykcji
Transkrypt
Metody Prognozowania - Wykład 4. Miary dokładnosci predykcji
Wprowadzenie Standardowe miary statystyczne TEST Metody Prognozowania Wykład 4. Miary dokładności predykcji Ewa Bielińska 16 października 2007 Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Plan 1 Wprowadzenie 2 Standardowe miary statystyczne Względne miary dokładności predykcji Inne miary dokładności predykcji 3 TEST Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Dokładność prognozystanowi nadrzędne kryterium, według którego ocenia się uzyskane wyniki i wybiera się właściwy algorytm prognozowania. Dla konstruktora algorytmów prognozowania dokładność predykcji określa, na ile dany model predykcyjny odtwarza dane, które już są znane konstruktorowi. Dla użytkownika prognozy istotne jest, na ile wiarygodna jest prognoza i czy spełni się ona w przyszłości. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Dokładność prognozystanowi nadrzędne kryterium, według którego ocenia się uzyskane wyniki i wybiera się właściwy algorytm prognozowania. Dla konstruktora algorytmów prognozowania dokładność predykcji określa, na ile dany model predykcyjny odtwarza dane, które już są znane konstruktorowi. Dla użytkownika prognozy istotne jest, na ile wiarygodna jest prognoza i czy spełni się ona w przyszłości. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Dokładność prognozystanowi nadrzędne kryterium, według którego ocenia się uzyskane wyniki i wybiera się właściwy algorytm prognozowania. Dla konstruktora algorytmów prognozowania dokładność predykcji określa, na ile dany model predykcyjny odtwarza dane, które już są znane konstruktorowi. Dla użytkownika prognozy istotne jest, na ile wiarygodna jest prognoza i czy spełni się ona w przyszłości. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Pytania: 1 Czy tzw. naiwne prognozyoparte o intuicyjne, bardzo proste algorytmy są istotnie gorsze od bardziej złożonych matematycznie algorytmów? 2 Jak daleko prognoza wyliczona na podstawie danego algorytmu odbiega od prognozy idealnej? 3 Jeśli w danej sytuacji istnieje możliwość zwiększenia dokładności predykcji, to w jaki sposób wykorzystać wiedzę o tym do wyboru najwłaściwszej techniki prognozowania? Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Pytania: 1 Czy tzw. naiwne prognozyoparte o intuicyjne, bardzo proste algorytmy są istotnie gorsze od bardziej złożonych matematycznie algorytmów? 2 Jak daleko prognoza wyliczona na podstawie danego algorytmu odbiega od prognozy idealnej? 3 Jeśli w danej sytuacji istnieje możliwość zwiększenia dokładności predykcji, to w jaki sposób wykorzystać wiedzę o tym do wyboru najwłaściwszej techniki prognozowania? Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Pytania: 1 Czy tzw. naiwne prognozyoparte o intuicyjne, bardzo proste algorytmy są istotnie gorsze od bardziej złożonych matematycznie algorytmów? 2 Jak daleko prognoza wyliczona na podstawie danego algorytmu odbiega od prognozy idealnej? 3 Jeśli w danej sytuacji istnieje możliwość zwiększenia dokładności predykcji, to w jaki sposób wykorzystać wiedzę o tym do wyboru najwłaściwszej techniki prognozowania? Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Miary ex post i ex ante 1 Miary dokładności predykcji, które obliczane są niejako po fakcie, to znaczy najpierw wyliczana jest prognoza, a później jej ocena, należą do miar klasy ex post. 2 Miary pozwalające oszacować dokładność prognozy bez uruchamiania algorytmu predykcji należą do klasy miar ex ante. Oczywiście znacznie łatwiej jest ocenić dokładność predykcji ex post niż ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Miary ex post i ex ante 1 Miary dokładności predykcji, które obliczane są niejako po fakcie, to znaczy najpierw wyliczana jest prognoza, a później jej ocena, należą do miar klasy ex post. 2 Miary pozwalające oszacować dokładność prognozy bez uruchamiania algorytmu predykcji należą do klasy miar ex ante. Oczywiście znacznie łatwiej jest ocenić dokładność predykcji ex post niż ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Standardowe miary statystyczne Błąd predykcji zmiennej xi : ei = xi − b xi|i−k . (1) Błąd średni (Mean Error), N 1 X ME = ei . N (2) i=1 Średni moduł błędu (MAE – Mean Absolute Error ), MAE = N 1 X |ei |. N i=1 Ewa Bielinska Metody Prognozowania (3) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Standardowe miary statystyczne Błąd predykcji zmiennej xi : ei = xi − b xi|i−k . (1) Błąd średni (Mean Error), N 1 X ME = ei . N (2) i=1 Średni moduł błędu (MAE – Mean Absolute Error ), MAE = N 1 X |ei |. N i=1 Ewa Bielinska Metody Prognozowania (3) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Standardowe miary statystyczne Błąd predykcji zmiennej xi : ei = xi − b xi|i−k . (1) Błąd średni (Mean Error), N 1 X ME = ei . N (2) i=1 Średni moduł błędu (MAE – Mean Absolute Error ), MAE = N 1 X |ei |. N i=1 Ewa Bielinska Metody Prognozowania (3) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Suma kwadratów błędów (SSE – sum of Squared Errors), SSE = N X ei2 . (4) i=1 Błąd średniokwadratowy (MSE – Mean Squared Error ), MSE = N 1 X 2 ei . N i=1 Ewa Bielinska Metody Prognozowania (5) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Suma kwadratów błędów (SSE – sum of Squared Errors), SSE = N X ei2 . (4) i=1 Błąd średniokwadratowy (MSE – Mean Squared Error ), MSE = N 1 X 2 ei . N i=1 Ewa Bielinska Metody Prognozowania (5) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Wariancja (z próby), która definiowana jest jako suma kwadratów błędów podzielona przez liczbę stopni swobody, N SE 2 = 1 X 2 ei . N −1 (6) i=1 Odchylenie standardowe błędów (SDE – Standard Deviation of Errors), v u N u 1 X SDE = t ei2 . (7) N −1 i=1 Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Wariancja (z próby), która definiowana jest jako suma kwadratów błędów podzielona przez liczbę stopni swobody, N SE 2 = 1 X 2 ei . N −1 (6) i=1 Odchylenie standardowe błędów (SDE – Standard Deviation of Errors), v u N u 1 X SDE = t ei2 . (7) N −1 i=1 Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Względne miary dokładności predykcji Błąd procentowy (Percentage Error), który może mieć znak dodatni lub ujemny, ei PEi = 100. (8) xi Średni błąd procentowy (Mean Percentage Error), który nie zawsze jest miarodajny, dlatego że błędy procentowe różnych znaków mogą się w procesie sumowania wzajemnie znosić, N 1 X MPE = PEi . N i=1 Średni bezwzględny błąd procentowy (Mean Absolute Percentage Error), który lepiej niż MPE nadaje się do określenia przydatności algorytmu testowanej na różnych zbiorach danych, Ewa Bielinska N X Prognozowania 1Metody (9) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Względne miary dokładności predykcji Błąd procentowy (Percentage Error), który może mieć znak dodatni lub ujemny, ei PEi = 100. (8) xi Średni błąd procentowy (Mean Percentage Error), który nie zawsze jest miarodajny, dlatego że błędy procentowe różnych znaków mogą się w procesie sumowania wzajemnie znosić, N 1 X MPE = PEi . N i=1 Średni bezwzględny błąd procentowy (Mean Absolute Percentage Error), który lepiej niż MPE nadaje się do określenia przydatności algorytmu testowanej na różnych zbiorach danych, Ewa Bielinska N X Prognozowania 1Metody (9) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Względne miary dokładności predykcji Błąd procentowy (Percentage Error), który może mieć znak dodatni lub ujemny, ei PEi = 100. (8) xi Średni błąd procentowy (Mean Percentage Error), który nie zawsze jest miarodajny, dlatego że błędy procentowe różnych znaków mogą się w procesie sumowania wzajemnie znosić, N 1 X MPE = PEi . N i=1 Średni bezwzględny błąd procentowy (Mean Absolute Percentage Error), który lepiej niż MPE nadaje się do określenia przydatności algorytmu testowanej na różnych zbiorach danych, Ewa Bielinska N X Prognozowania 1Metody (9) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Dokładność względem naiwnej prognozy Najczęściej naiwnym predyktorem jest ekstrapolator zerowego rzędu, wg. którego prognozowana wartość jest równa aktualnej wartości badanego ciągu b xi+1|i = xi . Dla takiej naiwnej prognozy MAPE wynosi: MAPE |NP1 N 1 X xi − xi−1 = . N −1 xi (11) i=2 Różnica między MAPE |NP1 i MAPE wyliczonymi dla badanej metody predykcji stanowi miarę pozwalającą ocenić i porównać skuteczność badanych metod, DM = MAPE |NP1 − MAPE . Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Miara Theila Współczynnik Theila zdefiniowany jest następująco: sP N−1 2 i=1 (FPEi+1 − APEi+1 ) /(N − 1) , U= PN−1 2 i=1 (APEi+1 ) /(N − 1) (12) gdzie: b xi+1|i − xi (Forecasted Percentage Error) – xi przewidywana względna zmiana zmiennej prognozowanej xi ; xi+1 − xi APEi+1 = (Actual Percentage Error) – aktualna xi względna zmiana zmiennej prognozowanej xi . FPEi+1 = Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Miara Theila Współczynnik Theila zdefiniowany jest następująco: sP N−1 2 i=1 (FPEi+1 − APEi+1 ) /(N − 1) , U= PN−1 2 i=1 (APEi+1 ) /(N − 1) (12) gdzie: b xi+1|i − xi (Forecasted Percentage Error) – xi przewidywana względna zmiana zmiennej prognozowanej xi ; xi+1 − xi APEi+1 = (Actual Percentage Error) – aktualna xi względna zmiana zmiennej prognozowanej xi . FPEi+1 = Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Podstawiając FPEi+1 i APEi+1 do (12) uzyskamy: v u PN−1 bxi+1|i −xi+1 2 u i=1 ( ) x U = t PN−1 xi+1 i−xi . )2 i=1 ( xi (13) Współczynnik U jest równy zero tylko wtedy, gdy prognoza jest idealna, czyli: FPEi+1 = APEi+1 . Współczynnik U jest równy jeden wtedy, gdy: FPEi+1 = 0, co oznacza, że b xi+1|i = xi , czyli że zastosowana metoda predykcji nie przewiduje żadnych zmian wielkości prognozowanej, tak samo jak ma to miejsce w prognozie naiwnej. Jeśli znak FPEi+1 będzie przeciwny niż znak APEi+1 , wówczas U > 1. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji U = 1; naiwna prognoza jest równie dobra jak badana metoda predykcji. U < 1; badana metoda predykcji jest tym lepsza od metody naiwnej, im mniejsza jest wartość U. U > 1; nie ma sensu stosować badanej (złożonej) metody predykcji, gdyż naiwna prognoza daje lepsze rezultaty. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji U = 1; naiwna prognoza jest równie dobra jak badana metoda predykcji. U < 1; badana metoda predykcji jest tym lepsza od metody naiwnej, im mniejsza jest wartość U. U > 1; nie ma sensu stosować badanej (złożonej) metody predykcji, gdyż naiwna prognoza daje lepsze rezultaty. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji U = 1; naiwna prognoza jest równie dobra jak badana metoda predykcji. U < 1; badana metoda predykcji jest tym lepsza od metody naiwnej, im mniejsza jest wartość U. U > 1; nie ma sensu stosować badanej (złożonej) metody predykcji, gdyż naiwna prognoza daje lepsze rezultaty. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Miara Durbina-Watsona PN DW = i=2 (ei − ei−1 ) PN 2 i=1 (ei ) 2 Jeżeli błędy predykcji są przypadkowe, to miara DW przyjmuje wartości bliskie 2. Jeżeli błędy predykcji są dodatnio skorelowane, czyli można dopasować względnie gładką funkcję modelującą residuum, to miara DW jest mniejsza od 2. Jeżeli błędy predykcji są ujemnie skorelowane, np. w przebiegu błędu obserwuje się piłokształtne oscylacje ze zmianą znaku z plus na minus czy minus na plus, to miara DW jest większa od 2. Ewa Bielinska Metody Prognozowania (14) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Miara Durbina-Watsona PN DW = i=2 (ei − ei−1 ) PN 2 i=1 (ei ) 2 Jeżeli błędy predykcji są przypadkowe, to miara DW przyjmuje wartości bliskie 2. Jeżeli błędy predykcji są dodatnio skorelowane, czyli można dopasować względnie gładką funkcję modelującą residuum, to miara DW jest mniejsza od 2. Jeżeli błędy predykcji są ujemnie skorelowane, np. w przebiegu błędu obserwuje się piłokształtne oscylacje ze zmianą znaku z plus na minus czy minus na plus, to miara DW jest większa od 2. Ewa Bielinska Metody Prognozowania (14) Wprowadzenie Standardowe miary statystyczne TEST Względne miary dokładności predykcji Inne miary dokładności predykcji Miara Durbina-Watsona PN DW = i=2 (ei − ei−1 ) PN 2 i=1 (ei ) 2 Jeżeli błędy predykcji są przypadkowe, to miara DW przyjmuje wartości bliskie 2. Jeżeli błędy predykcji są dodatnio skorelowane, czyli można dopasować względnie gładką funkcję modelującą residuum, to miara DW jest mniejsza od 2. Jeżeli błędy predykcji są ujemnie skorelowane, np. w przebiegu błędu obserwuje się piłokształtne oscylacje ze zmianą znaku z plus na minus czy minus na plus, to miara DW jest większa od 2. Ewa Bielinska Metody Prognozowania (14) Wprowadzenie Standardowe miary statystyczne TEST 1 Spodziewana wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 1 Spodziewana wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 1 Spodziewana wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 2 Wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 2 Wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 2 Wartość odchyleń rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz to: a) ocena ex ante błędu, b) błąd ex post, c) zarówno błąd ex post, jak i jego ocena ex ante. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 3 Średnie obciążenie predykcji ex post w przypadku predykcji nieobciążonej jest: a) mniejsze od zera, b) równe zero, c) większe od zera. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 3 Średnie obciążenie predykcji ex post w przypadku predykcji nieobciążonej jest: a) mniejsze od zera, b) równe zero, c) większe od zera. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 3 Średnie obciążenie predykcji ex post w przypadku predykcji nieobciążonej jest: a) mniejsze od zera, b) równe zero, c) większe od zera. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 4 Jeżeli średnie obciążenie predykcji ex post jest mniejsze od zera, to prognozy są przeciętnie: a) niedoszacowane, b) równe wartościom rzeczywistym, c) przeszacowane. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 4 Jeżeli średnie obciążenie predykcji ex post jest mniejsze od zera, to prognozy są przeciętnie: a) niedoszacowane, b) równe wartościom rzeczywistym, c) przeszacowane. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 4 Jeżeli średnie obciążenie predykcji ex post jest mniejsze od zera, to prognozy są przeciętnie: a) niedoszacowane, b) równe wartościom rzeczywistym, c) przeszacowane. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 5 Średni błąd predykcji ex post określa: a) ile procent przeciętnej prognozy wynosi średnie obciążenie ex post predykcji, b) o ile średnio odchylają się realizacje zmiennej prognozowanej od obliczonych prognoz, c) ile procent przeciętnej rzeczywistej realizacji zmiennej prognozowanej stanowi średni błąd ex post predykcji. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 5 Średni błąd predykcji ex post określa: a) ile procent przeciętnej prognozy wynosi średnie obciążenie ex post predykcji, b) o ile średnio odchylają się realizacje zmiennej prognozowanej od obliczonych prognoz, c) ile procent przeciętnej rzeczywistej realizacji zmiennej prognozowanej stanowi średni błąd ex post predykcji. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 5 Średni błąd predykcji ex post określa: a) ile procent przeciętnej prognozy wynosi średnie obciążenie ex post predykcji, b) o ile średnio odchylają się realizacje zmiennej prognozowanej od obliczonych prognoz, c) ile procent przeciętnej rzeczywistej realizacji zmiennej prognozowanej stanowi średni błąd ex post predykcji. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 6 Błędy ex post predykcji powinny być: a) stacjonarne, b) niestacjonarne, c) nie ma znaczenia jakie. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 6 Błędy ex post predykcji powinny być: a) stacjonarne, b) niestacjonarne, c) nie ma znaczenia jakie. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 6 Błędy ex post predykcji powinny być: a) stacjonarne, b) niestacjonarne, c) nie ma znaczenia jakie. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 7 Gdy wariancja składnika losowego jest duża to: a) otrzymujemy bardzo dobre oszacowania parametrów modelu, b) otrzymujemy model bardzo dobrze dopasowany do danych empirycznych, c) zbudowane prognozy są na pewno dopuszczalne. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 7 Gdy wariancja składnika losowego jest duża to: a) otrzymujemy bardzo dobre oszacowania parametrów modelu, b) otrzymujemy model bardzo dobrze dopasowany do danych empirycznych, c) zbudowane prognozy są na pewno dopuszczalne. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 7 Gdy wariancja składnika losowego jest duża to: a) otrzymujemy bardzo dobre oszacowania parametrów modelu, b) otrzymujemy model bardzo dobrze dopasowany do danych empirycznych, c) zbudowane prognozy są na pewno dopuszczalne. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 8 Względnymi miernikami dokładności ex post predykcji są: a) średnie obciążenie i średni błąd predykcji ex post, b) względne obciążenie i względny błąd predykcji ex post, c) współczynnik Theila. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 8 Względnymi miernikami dokładności ex post predykcji są: a) średnie obciążenie i średni błąd predykcji ex post, b) względne obciążenie i względny błąd predykcji ex post, c) współczynnik Theila. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 8 Względnymi miernikami dokładności ex post predykcji są: a) średnie obciążenie i średni błąd predykcji ex post, b) względne obciążenie i względny błąd predykcji ex post, c) współczynnik Theila. Ewa Bielinska Metody Prognozowania Wprowadzenie Standardowe miary statystyczne TEST 9 Kolejne wyrazy autokorelacji błędu predykcji są równe: rk = 1, −.5, .2, −.1, .... Jaką wartość przyjmie miara Durbina i dlaczego? Ewa Bielinska Metody Prognozowania