METODY NAIWNE
Prognozowanie naiwne jest najprostsz膮 metod膮 oszacowania przysz艂ych warto艣ci. Zak艂ada ono, 偶e przysz艂e warto艣ci b臋d膮 mia艂y tak膮 sam膮 lub analogiczn膮 struktur臋 jak historia. Wszystko zale偶y od tego jak膮 wiedz臋 posiadamy.
- Je艣li o obserwowanym szeregu nie wiemy nic, prognoz膮 na nast臋pny krok jest ostatnia dost臋pna obserwacja.
- Je艣li wiemy, 偶e w danych wyst臋puje sezonowo艣膰, prognoz膮 na nast臋pny krok jest analogiczna obserwacja z ostatniego okresu (np. z tego samego miesi膮ca poprzedniego roku).
gdzie s to okres sezonowo艣ci.
- Je艣li wiemy, 偶e w danych wyst臋puje trend, prognoz膮 na nast臋pny krok jest ostatnia dost臋pna obserwacja powi臋kszona o przyrost mi臋dzy przedostatni膮 a ostatni膮 obserwacj膮.
Za艂o偶enia o istnieniu trendu i sezonowo艣ci mo偶na po艂膮czy膰, prognozuj膮c nast臋pn膮 warto艣膰 jako analogiczn膮 warto艣膰 z ostatniego okresu powi臋kszona o przyrost w ci膮gu ostatniego okresu, gdzie przyrostem w tym przypadku jest r贸偶nica pomi臋dzy warto艣ciami z ostatniego i przedostatniego okresu.
Prognozy naiwne s膮 bardzo proste i przez to cz臋sto niedok艂adne. Zwykle wi臋c stosowane s膮 w przypadkach, kiedy od dok艂adno艣ci wa偶niejsze jest szybkie wyliczenie prognozy. Ka偶dy model statystyczny powinien by膰 lepszy (a przynajmniej nie gorszy) od prognozy naiwnej.
