Zadanie 1.

Liczbę aut zarejestrowanych w Polsce w latach 2010-2016 [w mln sztuk] przedstawiono w

tabeli
Lata 2010 2011 2012 2013 2014 2015 2016
𝑌𝑡 17,2398 18,1255 18,7444 19,3894 20,0039 20,7234 21,6754
i opisano trendem postaci: 𝑌̂𝑡 = 16,5914 + 0,7058𝑡.
Wiadomo, że rzeczywista liczba zarejestrowanych aut wyniosła 22,5036 mln sztuk w roku 2017
i 23,4290 mln sztuk rok później a wartości teoretyczne, oszacowane na podstawie trendu z lat
2010-2016, wyniosły odpowiednio: 17,2972 ; 18,0030 ; 18,7088 ; 19,4146 ; 20,1204 ; 20,8262
; 21,5320. Uwzględniając powyższe dane zinterpretuj parametry strukturalne modelu oraz
zbadaj, czy model trendu liniowego opisujący liczbę aut zarejestrowanych w Polsce w latach
2010-2016 pozostaje aktualny.
𝑎0 =16,5914 brak interpretacji
𝑎1 = 0,7058
W latach 2010-2016 liczba aut zarejestrowanych w Polsce wzrastała z roku na rok średnio o
0,7058 mln sztuk.

1
∑𝑇𝑡=𝑛+1(𝑦𝑡 − 𝑦𝑡𝑃 )2
2
𝐽 = 𝑇 − 𝑛
1 𝑛 ^
∑𝑡=1(𝑦𝑡 − 𝑦𝑡 )2
𝑛

Prognoza na rok 2017:

𝑌𝑡𝑃 = 16,5914 + 0,7058 ∙ 8 = 22,2378
Prognoza na rok 2018:
𝑌𝑡𝑃 = 16,5914 + 0,7058 ∙ 9 = 22,9436
Licznik wzoru 𝐽2

Lata 𝑌𝑡 𝑌𝑡𝑃 t (𝑌𝑡 − 𝑌𝑡𝑃 )²

2017 22,5036 22,2378 8 0,0706

2018 23,4290 22,9436 9 0,2356

Suma 0,3062

Mianownik wzoru 𝐽2
1 2 3 4
Lata 𝒚𝒕 𝒚̂𝒕 (𝒚𝒕 − 𝒚̂𝒕 )𝟐
2010 17,2398 17,2972 0,0033

2011 18,1255 18,0030 0,015

 2012 18,7444 18,7088 0,0013

2013 19,3894 19,4146 0,0006

2014 20,0039 20,1204 0,0136

2015 20,7234 20,8262 0,0106

2016 21,6754 21,5320 0,0206

SUMA X 0,0650

1 1
∑𝑇𝑡=𝑛+1(𝑦𝑡 − 𝑦𝑡𝑃 )2
𝐽2 = 𝑇 − 𝑛 = 9 − 7 · 0,3062 = 0,1531 = 16,4624
1 𝑛 ^ 1 0,0093
∑𝑡=1(𝑦𝑡 − 𝑦𝑡 )2 · 0,0650
𝑛 7
Ponieważ współczynnik Janusowy znacznie przekroczył wartość 1, to należy uznać, że
wykorzystany do prognozowania model trendu liniowego liczby aut zarejestrowanych w Polsce
na lata 2017-2018 już się zdezaktualizował i nie należy go dalej stosować.

Zadanie 2.
Liczbę samochodów zarejestrowanych na 100 osób w Polsce w latach 2012-2016 opisuje trend
postaci: 𝑌̂𝑡 = 15,75 + 0,97𝑡. Wiadomo dodatkowo, że: 𝑆𝑒 = 0,4 ;
1,1 −0,3
𝑉𝑠𝑒 = 0,1 ; 𝜑 2 = 0,013 ; (𝑇 ′ 𝑇)−1 = [ ]. Zbadaj istotność parametrów
−0,3 0,1
strukturalnych modelu oraz zinterpretuj parametry strukturalne modelu i wszystkie miary
służące ocenie jakości modelu.
𝑎0 =15,75 brak interpretacji
𝑎1 = 0,97
W latach 2012-2016 liczba samochodów zarejestrowanych na 100 osób w Polsce wzrastała z
roku na rok średnio o 0,97 samochodu.

𝑡𝑎1 =? 𝑡𝑎0 =?
𝐻0 : 𝛼𝑖 = 0
𝐻1 : 𝛼𝑖 ≠ 0

|𝑎1 |
𝑡𝑎1 =
𝐷(𝑎1 )

|𝑎0 |
𝑡𝑎0 =
𝐷(𝑎0 )
𝐷2 (𝑎) = 𝑆𝑒 2 (𝑇 ′ 𝑇)−1
1,1 −0,3 0,176 −0,048
𝐷2 (𝑎) = 0,16 · [ ]=[ ]
−0,3 0,1 −0,048 0,016
𝐷(𝑎0 ) = √0,176 = 0,4195
Mylimy się średnio o 0,4195 twierdząc, że parametr 𝑎0 wyniesie 15,75.

𝐷(𝑎1 ) = √0,016 = 0,1265

Mylimy się średnio o 0,1265 twierdząc, że parametr 𝑎1 wyniesie 0,97.
|𝑎1 | |0,97|
𝑡𝑎1 = = = 7,6680
𝐷(𝑎1 ) 0,1265
|𝑎 | |15,75|
𝑡𝑎0 = 𝐷(𝑎0 ) = =37,5447
0 0,4195

Ponieważ w obu przypadkach spełniony jest warunek przesądzający w praktyce o istotności

parametrów strukturalnych 𝑡 ≥ 2, to można wyciągnąć wniosek, iż należy odrzucić hipotezę
zerową na korzyść hipotezy alternatywnej a zatem wszystkie parametry strukturalne
oszacowanego modelu trendu liniowego są statystycznie istotne.
𝑆𝑒 = 0,4
Wartości rzeczywiste liczby samochodów zarejestrowanych na 100 osób w Polsce w latach
2012-2016 i wartości teoretyczne otrzymane na podstawie oszacowanego modelu różnią się
średnio o 0,4 samochodu.
𝑉𝑠𝑒 = 0,1
Udział odchylenia standardowego składnika losowego w średniej liczbie samochodów
zarejestrowanych na 100 osób w Polsce w latach 2012-2016 wynosi 10%
𝜑 2 = 0,013
W 1,30% zmiany liczby samochodów zarejestrowanych na 100 osób w Polsce w latach 2012-
2016 nie są wyjaśniane przez zbudowany model trendu liniowego (a dokładniej przez zmiany
w czasie).
𝑅 2 = 1 − 𝜑 2 = 1 − 0,013 = 0,987
W 98,70% zmiany liczby samochodów zarejestrowanych na 100 osób w Polsce w latach 2012-
2016 są wyjaśniane przez zbudowany model trendu liniowego (a dokładniej przez zmiany w
czasie).

Zadanie 3.
W latach 2011-2015 produkcja (w mln ton) pewnego wyrobu została opisana równaniem trendu
1,1 −0,3
postaci 𝑌̂𝑡 = 20,4483 ∙ 1,1088𝑡 . Wiadomo, że: 𝑆𝑒 2 = 0,0028 ; (𝑇 ′ 𝑇)−1 = [ ].
−0,3 0,1
Oszacuj prognozę przychodów tego biura podróży na rok 2017 wraz z poznanymi błędami
prognozy ex ante.
𝑌𝑡𝑃 =? 𝑉𝑇 =? 𝑉𝑇∗ =?
𝑌̂𝑡 = 20,4483 ∙ 1,1088𝑡
𝑌𝑡𝑃 = 20,4483 ∙ 1,10887 = 42,1337
W roku 2017 należy się spodziewać 42,1337 mln ton produkcji pewnego wyrobu, przy
założeniu, że tendencja zjawiska z lat 2011-2015 nie ulegnie zmianie.
(𝑇−𝑡̄)2 1 (7−3)2 1
𝑉𝑇 = 𝑆𝑒 ⋅ √∑𝑛 ̄ 2
+ 𝑛 + 1 = 0,0529 ⋅ √ + 5 + 1 = 0,0885
𝑡=1(𝑡−𝑡 ) 10

∑ 𝑡 15
𝑡̅ = = =3
𝑛 5
t (𝑡 − 𝑡̅)2
1 4
2 1
3 0
4 1
5 4
SUMA 15

𝑉
𝑉𝑇∗ = 𝑦 𝑡 ⋅ 100%
𝑡𝑃

𝑉𝑡 0,0885
𝑉𝑇∗ = ⋅ 100% = · 100% = 0,0021 · 100% = 0,21%
𝑦𝑡𝑃 42,1337
Twierdząc, że w roku 2017 należy się spodziewać 42,1337 mln ton produkcji pewnego wyrobu
możemy się mylić o ok 0,0885 mln ton, czyli 0,21%

Zadanie 4.
Na podstawie danych kwartalnych produkcji pewnego wyrobu (w tys. sztuk) w Polsce z lat
2015-2018 oszacowano liniowy model trendu 𝑌̂𝑡 = 2847,52 + 25,9𝑡 a także wyznaczono
bezwzględne wahania sezonowe dla I, II i III kwartału, które wyniosły odpowiednio: -1057,
584, 887. Zinterpretuj parametry strukturalne tego modelu. Jakiej wielkości produkcji wyrobu
należy się spodziewać w IV kwartale 2019 roku?
𝑌𝑡𝑃 =?
𝑌𝑡 = 𝛼0 + 𝛼1 ∙ 𝑡 + ∑𝑚
𝑘=1 𝑑0𝑘 𝑄𝑘𝑡 + 𝑢𝑡 ; ∑𝑚
𝑘=1 𝑑0𝑘 = 0

𝛼̂0 = 2847,52
𝛼̂1 = 25,9
𝑑̂01 = −1057
𝑑̂02 = 584
𝑑̂03 = 887
W celu oszacowania oceny ostatniego parametru korzystamy ze wzoru:
𝑑̂04 = −(𝑑̂01 + 𝑑̂02 + 𝑑̂03 )
U nas:
𝑑̂04 = −((−1057) + 584 + 887) = - (414) = -414
Nasz model przyjmuje zatem następującą postać:
𝑌𝑡 = 2847,52 + 25,9 ∙ 𝑡 − 1057 ∙ 𝑄1𝑡 + 584 ∙ 𝑄2𝑡 + 887 ∙ 𝑄3𝑡 − 414 ∙ 𝑄4𝑡
Z kwartału na kwartał w badanym okresie wielkość produkcji pewnego wyrobu wzrastała
średnio o 25,9 tys. sztuk, przy czym w latach 2015-2018 odpowiednio w pierwszych kwartałach
wielkość produkcji tego wyrobu była mniejsza od wartości trendu średnio o 1057 tys. sztuk, w
drugich kwartałach większa średnio o 584 tys. sztuk, w trzecich kwartałach większa średnio o
887 tys. sztuk i w czwartych kwartałach mniejsza średnio o 414 tys. sztuk.
Prognoza na IV kwartał roku 2019:
𝑌𝑡𝑃 = 2847,52 + 25,9 ∙ 20 − 1057 ∙ 0 + 584 ∙ 0 + 887 ∙ 0 − 414 ∙ 1 = 2951,52
W IV kwartale 2019 roku należy się spodziewać produkcji pewnego wyrobu na poziomie
2951,52 tys. sztuk przy założeniu stałej tendencji rozwojowej i sezonowości.

Zadanie 5.
Na podstawie danych, I kwartał 2013 - II kwartał 2016 roku, oszacowano model
ekonometryczny sprzedaży produktu X (w tys. sztuk) na tle dochodów konsumentów (w tys.
zł) oraz ceny dobra substytucyjnego (w zł): 𝑌̂𝑡 = 25 + 3𝑥1𝑡 + 5𝑥2𝑡 . Wiadomo, że w III
kwartale 2016 roku dochody klientów wyniosły 2000 zł a dobro substytucyjne kosztowało 40
zł, natomiast w kwartale IV dochody wyniosły 2200 zł a dobro konkurencyjne kosztowało 32
zł. Wiedząc, iż sprzedaż dobra X w III kwartale 2016 roku wyniosła 210 tys. sztuk a w IV
kwartale 182 tys. sztuk dokonaj oceny trafności prognoz za pomocą średniego bezwzględnego
błędu procentowego MAPE. Zinterpretuj parametry strukturalne modelu.
𝑎0 =25 brak interpretacji
𝑎1 = 3
Wzrost dochodów konsumentów o 1 tys. zł spowoduje wzrost wielkości sprzedaży produktu X
o 3 tys. sztuk przy założeniu, że cena dobra substytucyjnego nie ulegnie zmianie.
𝑎2 = 5
Wzrost ceny dobra substytucyjnego o 1 zł spowoduje wzrost wielkości sprzedaży produktu X
o 5 tys. sztuk przy założeniu, że dochody konsumentów nie ulegną zmianie.

Prognoza na III kw 2016 roku:

𝑌𝑡𝑃 = 25 + 3 ∙ 2 + 5 ∙ 40 = 231
Prognoza na IV kw 2016 roku:
𝑌𝑡𝑃 = 25 + 3 ∙ 2,2 + 5 ∙ 32 = 191,6

𝑌𝑡 − 𝑌𝑡𝑃
| |
lata 𝑌𝑡 𝑌𝑡𝑃 𝑌𝑡
III kw
2016 210 231 0,1000
IV kw
2016 182 191,6 0,0527
SUMA 0,1527
 𝑇
1 𝑦𝑡 − 𝑦𝑡𝑃 1
𝑀𝐴𝑃𝐸 = ∑ | |= · 0,1527 = 0,0764
𝑇−𝑛 𝑦𝑡 16 − 14
𝑡=𝑛+1

Dokonując prognoz sprzedaży produktu X na III i IV kwartał roku 2016 na podstawie

oszacowanego modelu mylimy się średnio o 7,64%

Zadanie 6.
Na podstawie danych zebranych od 20 przedsiębiorstw zajmujących się przetwórstwem
owocowo-warzywnym oszacowano model kosztów całkowitych produkcji:
𝑌̂𝑡 = 18 + 4𝑥1𝑡 − 5,5𝑥2𝑡 , gdzie: Y – koszty produkcji (w tys. zł), 𝑥1 – wielkość produkcji (w
tys. ton), 𝑥2 –temperatura przechowywania surowców (w °C). Wiedząc, że: Se=2,5 i 𝐷(𝑎0 ) =
1,8 ; 𝐷(𝑎1 ) = 0,8 ; 𝐷(𝑎2 ) = 1,6 oraz że: 𝑐(𝑎0 𝑎1 ) = −0,5 ; 𝑐(𝑎0 𝑎2 ) = 1,5 ; 𝑐(𝑎1 𝑎2 ) =
0,5. Zinterpretuj parametry strukturalne modelu. O ile możemy się mylić twierdząc, że
spodziewane koszty całkowite przedsiębiorstwa, w którym produkcja wynosi 2000 ton, zaś
temperatura przechowywania surowców 1°C wyniosą 31,5 tys. zł?
𝑎0 =18 brak interpretacji
𝑎1 = 4
Wzrost wielkości produkcji o 1 tys. ton spowoduje wzrost kosztów produkcji o 4 tys. zł przy
założeniu, że temperatura przechowywania owoców nie ulegnie zmianie.
𝑎2 = 5,5
Wzrost temperatury przechowywania owoców o 1 °C spowoduje wzrost kosztów produkcji o
5,5 tys. zł przy założeniu, że wielkość produkcji nie ulegnie zmianie.

𝑉𝑇 =?

𝑉𝑇 = √𝑉𝑇2

𝑉𝑇2 = 𝑋𝑇𝑇 ∙ 𝐷2 (𝑎) ∙ 𝑋𝑇 + 𝑆𝑒 2

1
𝑋𝑇 = [2]
1
𝐷²(𝑎0 ) 𝑐(𝑎1 , 𝑎0 ) 𝑐(𝑎2 , 𝑎0 ) 1,8² −0,5 1,5
2 (𝑎)
𝐷 = [𝑐(𝑎0 , 𝑎1 ) 𝐷²(𝑎1 ) 𝑐(𝑎2 , 𝑎1 )] = [−0,5 0,8² 0,5 ]
𝑐(𝑎0 , 𝑎2 ) 𝑐(𝑎1 , 𝑎2 ) 𝐷²(𝑎2 ) 1,5 0,5 1,6²
3,24 −0,5 1,5
= [−0,5 0,64 0,5 ]
1,5 0,5 2,56
3,24 −0,5 1,5 1
𝑉𝑇2 = [1 2 1] ∙ [−0,5 0,64 0,5 ] ∙ [2] + 6,25 = 17,61
1,5 0,5 2,56 1
𝑉𝑇 = √𝑉𝑇2 = √17,61 = 4,1964

𝑘 𝑘−1 𝑘
2 2
𝑉𝑇 = √∑ 𝐷 (𝑎𝑖 ) ⋅ 𝑥𝑇𝑖 + 2 ∑ ∑ 𝑥𝑇𝑖 ⋅ 𝑥𝑇𝑗 ⋅ 𝑐(𝑎𝑖 𝑎𝑗 ) + 𝑆𝑒 2
𝑖=0 𝑖=1 𝑗=1
𝑗>1

= √(3,24 ∙ 12 + 0,64 · 22 + 2,56 · 12 ) + 2 · [1 · 2 · (−0,5) + 1 · 1 · 1,5 + 2 · 1 · 0,5] + 6,25

= 4,1964

𝑉𝑇 4,1964
𝑉𝑇∗ = ⋅ 100% = ∙ 100% = 13,32%
𝑦𝑡𝑃 31,5
Twierdząc, że spodziewane koszty całkowite przedsiębiorstwa, w którym produkcja wynosi
2000 ton, zaś temperatura przechowywania surowców 1°C wyniosą 31,5 tys. zł możemy się
mylić o 4,1964 tys. zł, czyli 13,32%