-0
يمكن ملاحظة قيم البواقي على طول الفترة، والتي تعكس مدى دقــة الأنموذج فـي القياس، وعليه ستكون القيم المتنبأ بها ذات أخطاء قليلة.
من
القيم
-٦- كذلك يمكن للبرنامج من خلال الإيعازات الفرعية Fits, Residual حفظ المقدرة والبواقي في أعمدة مستقلة من لائحة العمل. الإيعاز الفرعي Forecasts يستخدم للتنبؤ بعدد من الفترات المستقبلية والتي تحدد كرقم موجب صحيح في هذا الإيعاز على أن لا تزيد على نصف حجم بيانات
السلسلة).
- الإيعاز الفرعي Origin يستخدم لمعرفة السنة التي يبدأ فيها التقدير (التنبؤ) على أن تكون ضمن المدة المعروفة ل لبيانات في مثالنا هذا استخدمنا السنة الأخيرة لتمثـل الأصل في التنبؤ (۱۳)، ويمكن استخدام أي سنة ضمن الحالة المدة. وفي الافتراضية (أي عند عدم استخدام الإيعاز الفرعي Origin فإن البرنامج سيقوم بالتنبؤ على اعتبار نقطة البداية هي السنة الأخيرة في بيانات السلسلة الزمنية).
نقطة
تكلمنا
٥- تحليل بيانات السلاسل الزمنية إلى مركباتها الرئيسة Decomposition في الفقرة الأولى من موضوع السلاسل الزمنية إلى أن هناك أربع مركبات أساسية في السلسلة الزمنية ولغرض تحلي لبيانات هذه السلسلة باستخدام المركبات الرئيسة فيها (خط الاتجاه العام Trend والتغيرات الموسمية Seasonal variation) فإن البرمجية الجاهزة Minitab تحتوي في قائمة Stat>Time series على الاختيار Decomposition والذي يمكن من خلاله تحلي لبيانات السلسلة الزمنية بالاعتماد على المركبات الرئيسة فيها. (انظر الشكل (۱-۹)).
مثال ٤:
لغرض تطبيق هذا التحليل سوف نتناول بيانات سلسلة زمنية موسمية ممثلة في الجدول (۳-۹) (مبيعات الملابس للمدة من ۱۹۹۰ ولغاية ۱۹۹۵ موزعة على الفصول الأربعة). المطلوب تحليل بيانات هذه السلسلة الزمنية إلى مركباتها الرئيسة والتنبؤ
لخمسة قيم مستقبلية للسلسلة
مع
المناقشة.
٢٤٤
ص ٢٣٩