Временные ряды и динамические процессы
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Спектральная плотность связана с интенсивностью согласно формуле




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Процесс АР(2) имеет автокорреляционную функцию, которая
имеет бесконечную протяженность
не меняется после 

обращается в ноль после некоторой точки
имеет максимум в точке 

Временные ряды и динамические процессы
0936.03.01;МТ.01;1Сглаживание временного ряда означает устранение
функции тренда
сезонной компоненты
циклической компоненты
случайных остатков
Временные ряды и динамические процессы
0936.03.01;МТ.01;1О наличии данной частоты в спектре временного ряда свидетельствует ________ спектральной плотности
минимум
пик на графике
обращение в ноль
быстрые осцилляции
Временные ряды и динамические процессы
0936.03.01;МТ.01;1В критерии серий, основанном на медиане, временному ряду 2, 5, 4, 6, 3 соответствует последовательность




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Относительная ошибка прогноза определяется как




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Автоковариация члена ряда
с самим собой равна

1


0
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для выполнения теста Чоу используется распределение
Фишера
Стьюдента
Гаусса
Пуассона
Временные ряды и динамические процессы
0936.03.01;МТ.01;1В методе скользящего среднего веса определяется с помощью ______
критерия серий, основанного на медиане
метода последовательных разностей
МНК
критерия восходящих и нисходящих серий
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Идентификация модели СС(2) сводится к решению системы двух ______ уравнений
тригонометрических
дифференциальных
нелинейных
линейных
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Модель Кейгана - модель, описывающая гиперинфляцию с помощью модели
скользящего среднего
адаптивных ожиданий
частичного приспособления
потребления
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для конечного процесса авторегрессии порядка
величина e
может быть представлена как ____ сумма предшествующих 



бесконечная
расходящаяся
конечная
ограниченная
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если элементы набора данных не являются статистически независимыми, то речь идет о
случайной выборке
временном ряде
стационарном временном ряде
генеральной совокупности
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Лаговая структура Койка описывает простую экономическую ситуацию, когда влияние
на
с увеличением 



проходит через максимум
равномерно уменьшается
проходит через минимум
не изменяется
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Критерий восходящих и нисходящих серий позволяет
выявить неслучайную составляющую
найти доверительный интервал прогноза
определить среднеквадратичное отклонение
найти минимальные и максимальные значения
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Порядок модели Бокса - Дженкинса подбирается c помощью анализа поведения функции
спектральной плотности 

дисперсии 

интенсивности 

автоковариации 

Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если неслучайная составляющая временного ряда
имеет линейный вид
, то
равно







Временные ряды и динамические процессы
0936.03.01;МТ.01;1Обычно прогнозы, получаемые с помощью моделей Бокса - Дженкинса, оказываются на практике _______________ прогнозов, построенных по макроэкономическим моделям
не лучше
значительно лучше
значительно хуже
не хуже
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для идентификации АР и СС моделей сначала делают оценки
частной автокорреляции
автокорреляционной функции
спектральной плотности
автоковариационной функции
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Коэффициент автокорреляции
случайных остатков в модели АР(1) равен





Временные ряды и динамические процессы
0936.03.01;МТ.01;1Неслучайная составляющая аппроксимируется полиномом степени p, если функция 

не меняется после 

перестает возрастать после 

обращается в ноль в точке 

имеет пик в точке 

Временные ряды и динамические процессы
0936.03.01;МТ.01;1В критерии восходящих и нисходящих серий временному ряду 6, 2, 4, 6, 4 соответствует последовательность





Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если временной ряд является стационарным в узком смысле, то








Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если
обозначает белый шум, и
, то величина
равна




0


Временные ряды и динамические процессы
0936.03.01;МТ.01;1В лаговой структуре Койка веса
равны _____ , где 






Временные ряды и динамические процессы
0936.03.01;МТ.01;1Процесс СС(2) имеет автокорреляционную функцию, которая
имеет бесконечную протяженность
имеет максимум в точке 

обращается в ноль после некоторой точки
не меняется после 

Временные ряды и динамические процессы
0936.03.01;МТ.01;1Коэффициент Тейла служит критерием
успешности сделанного прогноза
применимости статистических методов
стационарности временного ряда
сходимости временного ряда
Временные ряды и динамические процессы
0936.03.01;МТ.01;1В критерии серий, основанном на медиане, протяженность самой длинной серии временного ряда 5, 1, 4, 2 равна
4
1
3
2
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если коэффициент Тейла равен нулю, то
следует провести повторные измерения
в данном случае он неприменим
прогноз сделан неудачно
прогноз сделан успешно
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Функция спектральной плотности позволяет установить
успешность сделанного прогноза
стационарность временного ряда
дисперсию временного ряда
частоты колебаний
Временные ряды и динамические процессы
0936.03.01;МТ.01;1В критерии серий, основанном на медиане, общее число серий временного ряда 1, 3, 5, 4, 2 равно
4
5
3
2
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Коэффициент автокорреляции определяется соотношением: 





Временные ряды и динамические процессы
0936.03.01;МТ.01;1Модель авторегрессии 1-го порядка описывается выражением




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для стационарных временных рядов при
величина 


не определена
стремится к единице
осциллирует
стремится к нулю
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Зависимость 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
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для ранжированного временного ряда медиана
равна





Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для стационарного ряда
выборочная дисперсия равна





Временные ряды и динамические процессы
0936.03.01;МТ.01;1На больших временах ________факторы описываются монотонной функцией
долговременные
случайные
сезонные
циклические
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Модель АРПСС(0,0,2) описывается соотношением




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Целевая переменная в модели частичного приспособления имеет вид




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Если неслучайная составляющая временного ряда
имеет вид полинома 3-й степени, то
равно






Временные ряды и динамические процессы
0936.03.01;МТ.01;1Критерий серий, основанный на медиане, позволяет
найти доверительный интервал предсказания
определить успешность прогноза
определить выборочное среднее
выявить неслучайную составляющую
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Для весовых коэффициентов в методе скользящего среднего справедлива формула




Временные ряды и динамические процессы
0936.03.01;МТ.01;1Спектральная плотность временного ряда определяется через
частную автокорреляционную функцию 

автоковариационную функцию 

автокорреляционную функцию 

автоковариационную функцию, взятую в нуле 

Временные ряды и динамические процессы
0936.03.01;МТ.01;1Ряд
, сгенерированный моделью СС(1), может быть представлен также в виде модели авторегрессии _________ порядка

бесконечного
нулевого
второго
первого
Временные ряды и динамические процессы
0936.03.01;МТ.01;1Спектральная плотность
марковского процесса равна




