Временные ряды и динамические процессы
Спектральная плотность связана с интенсивностью согласно формуле
![image050.gif](/discipline-images/250199/image050.gif)
![image048.gif](/discipline-images/250199/image048.gif)
![image049.gif](/discipline-images/250199/image049.gif)
![image051.gif](/discipline-images/250199/image051.gif)
Процесс АР(2) имеет автокорреляционную функцию, которая
имеет бесконечную протяженность
не меняется после ![image207.gif](/discipline-images/250199/image207.gif)
![image207.gif](/discipline-images/250199/image207.gif)
обращается в ноль после некоторой точки
имеет максимум в точке ![image207.gif](/discipline-images/250199/image207.gif)
![image207.gif](/discipline-images/250199/image207.gif)
Сглаживание временного ряда означает устранение
функции тренда
сезонной компоненты
циклической компоненты
случайных остатков
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
![image070.gif](/discipline-images/250199/image070.gif)
![image073.gif](/discipline-images/250199/image073.gif)
![image071.gif](/discipline-images/250199/image071.gif)
![image072.gif](/discipline-images/250199/image072.gif)
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
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 ![image017.gif](/discipline-images/250199/image017.gif)
![image015.gif](/discipline-images/250199/image015.gif)
![image016.gif](/discipline-images/250199/image016.gif)
![image017.gif](/discipline-images/250199/image017.gif)
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 ![image234.gif](/discipline-images/250199/image234.gif)
![image232.gif](/discipline-images/250199/image232.gif)
![image233.gif](/discipline-images/250199/image233.gif)
![image234.gif](/discipline-images/250199/image234.gif)
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 ![image227.gif](/discipline-images/250199/image227.gif)
![image227.gif](/discipline-images/250199/image227.gif)
дисперсии ![image228.gif](/discipline-images/250199/image228.gif)
![image228.gif](/discipline-images/250199/image228.gif)
интенсивности ![image225.gif](/discipline-images/250199/image225.gif)
![image225.gif](/discipline-images/250199/image225.gif)
автоковариации ![image226.gif](/discipline-images/250199/image226.gif)
![image226.gif](/discipline-images/250199/image226.gif)
Если неслучайная составляющая временного ряда
имеет линейный вид
, то
равно
![image002.gif](/discipline-images/250199/image002.gif)
![image099.gif](/discipline-images/250199/image099.gif)
![image104.gif](/discipline-images/250199/image104.gif)
![image102.gif](/discipline-images/250199/image102.gif)
![image040.gif](/discipline-images/250199/image040.gif)
![image101.gif](/discipline-images/250199/image101.gif)
![image103.gif](/discipline-images/250199/image103.gif)
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
![image142.gif](/discipline-images/250199/image142.gif)
![image146.gif](/discipline-images/250199/image146.gif)
![image144.gif](/discipline-images/250199/image144.gif)
![image145.gif](/discipline-images/250199/image145.gif)
![image143.gif](/discipline-images/250199/image143.gif)
Неслучайная составляющая аппроксимируется полиномом степени p, если функция ![image108.gif](/discipline-images/250199/image108.gif)
![image108.gif](/discipline-images/250199/image108.gif)
не меняется после ![image109.gif](/discipline-images/250199/image109.gif)
![image109.gif](/discipline-images/250199/image109.gif)
перестает возрастать после ![image109.gif](/discipline-images/250199/image109.gif)
![image109.gif](/discipline-images/250199/image109.gif)
обращается в ноль в точке ![image109.gif](/discipline-images/250199/image109.gif)
![image109.gif](/discipline-images/250199/image109.gif)
имеет пик в точке ![image109.gif](/discipline-images/250199/image109.gif)
![image109.gif](/discipline-images/250199/image109.gif)
В критерии восходящих и нисходящих серий временному ряду 6, 2, 4, 6, 4 соответствует последовательность
![image074.gif](/discipline-images/250199/image074.gif)
![image073.gif](/discipline-images/250199/image073.gif)
![image071.gif](/discipline-images/250199/image071.gif)
![image035.gif](/discipline-images/250199/image035.gif)
![image075.gif](/discipline-images/250199/image075.gif)
Если временной ряд является стационарным в узком смысле, то
![image006.gif](/discipline-images/250199/image006.gif)
![image004.gif](/discipline-images/250199/image004.gif)
![image006.gif](/discipline-images/250199/image006.gif)
![image005.gif](/discipline-images/250199/image005.gif)
![image003.gif](/discipline-images/250199/image003.gif)
![image005.gif](/discipline-images/250199/image005.gif)
![image003.gif](/discipline-images/250199/image003.gif)
![image004.gif](/discipline-images/250199/image004.gif)
Процесс СС(2) имеет автокорреляционную функцию, которая
имеет бесконечную протяженность
имеет максимум в точке ![image207.gif](/discipline-images/250199/image207.gif)
![image207.gif](/discipline-images/250199/image207.gif)
обращается в ноль после некоторой точки
не меняется после ![image207.gif](/discipline-images/250199/image207.gif)
![image207.gif](/discipline-images/250199/image207.gif)
Коэффициент Тейла служит критерием
успешности сделанного прогноза
применимости статистических методов
стационарности временного ряда
сходимости временного ряда
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
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
Для стационарных временных рядов при
величина ![image037.gif](/discipline-images/250199/image037.gif)
![image036.gif](/discipline-images/250199/image036.gif)
![image037.gif](/discipline-images/250199/image037.gif)
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
На больших временах ________факторы описываются монотонной функцией
долговременные
случайные
сезонные
циклические
Целевая переменная в модели частичного приспособления имеет вид
![image246.gif](/discipline-images/250199/image246.gif)
![image245.gif](/discipline-images/250199/image245.gif)
![image243.gif](/discipline-images/250199/image243.gif)
![image244.gif](/discipline-images/250199/image244.gif)
Если неслучайная составляющая временного ряда
имеет вид полинома 3-й степени, то
равно
![image002.gif](/discipline-images/250199/image002.gif)
![image105.gif](/discipline-images/250199/image105.gif)
![image040.gif](/discipline-images/250199/image040.gif)
![image107.gif](/discipline-images/250199/image107.gif)
![image102.gif](/discipline-images/250199/image102.gif)
![image106.gif](/discipline-images/250199/image106.gif)
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
![image094.gif](/discipline-images/250199/image094.gif)
![image091.gif](/discipline-images/250199/image091.gif)
![image093.gif](/discipline-images/250199/image093.gif)
![image092.gif](/discipline-images/250199/image092.gif)
Спектральная плотность временного ряда определяется через
частную автокорреляционную функцию ![image046.gif](/discipline-images/250199/image046.gif)
![image046.gif](/discipline-images/250199/image046.gif)
автоковариационную функцию ![image047.gif](/discipline-images/250199/image047.gif)
![image047.gif](/discipline-images/250199/image047.gif)
автокорреляционную функцию ![image037.gif](/discipline-images/250199/image037.gif)
![image037.gif](/discipline-images/250199/image037.gif)
автоковариационную функцию, взятую в нуле ![image034.gif](/discipline-images/250199/image034.gif)
![image034.gif](/discipline-images/250199/image034.gif)
Ряд
, сгенерированный моделью СС(1), может быть представлен также в виде модели авторегрессии _________ порядка
![image205.gif](/discipline-images/250199/image205.gif)
бесконечного
нулевого
второго
первого