1. Plot the data and visually deter

1. Plot the data and visually determine clear time-series characteristics.
2. Determine the growth model and remove the growth component from the data. One way to remove the growth component from the data is to determine an average period for each cycle and divide each data value by the average.
3. Determine if a significant seasonality is present in the data as it appears with the growth component removed (de-growthed). The seasonality index can be computed by averaging the de-growthed data over the seasons (periods exhibiting similar behavior).
4. Deseasonalize the original data and analyze the growth factor. A plot of the deseasonalized data will reveal the form of the growth component. The deseasonalizing is accomplished by dividing each data by the appropriate seasonal index.
5. Fit the data by some appropriate method, least squares regression, exponential smoothing, etc.
6. A forecast for the future consists of a combination of seasonal and growth trends.

Kết quả (Việt) 1:

1. nội dung dữ liệu và trực quan xác định đặc điểm rõ ràng thời gian loạt.2. xác định mô hình tăng trưởng và loại bỏ các thành phần phát triển từ các dữ liệu. Một cách để loại bỏ các thành phần tăng trưởng từ dữ liệu là để xác định một khoảng thời gian trung bình cho mỗi chu kỳ và chia cho mỗi dữ liệu giá trị trung bình.3. xác định nếu một tính thời vụ quan trọng là hiện diện trong các dữ liệu như nó xuất hiện với các thành phần phát triển loại bỏ (de-growthed). Chỉ mục theo mùa có thể được tính toán bởi trung bình de growthed dữ liệu trên mùa (thời gian trưng bày hành vi tương tự).4. deseasonalize dữ liệu gốc và phân tích các yếu tố tăng trưởng. Một âm mưu của các dữ liệu deseasonalized sẽ tiết lộ dưới dạng phần tăng trưởng. Các deseasonalizing được thực hiện bằng cách chia mỗi dữ liệu chỉ số thích hợp theo mùa.5. phù hợp với dữ liệu của một số phương pháp thích hợp, tối thiểu hồi qui, mũ làm mịn, vv.6. dự đoán cho tương lai bao gồm một sự kết hợp của theo mùa và các xu hướng tăng trưởng.

Kết quả (Việt) 2:

1. Lô dữ liệu và trực quan xác định đặc điểm chuỗi thời gian rõ ràng.
2. Xác định mô hình tăng trưởng và loại bỏ các thành phần tăng trưởng từ dữ liệu. Một cách để loại bỏ các thành phần tăng trưởng từ các dữ liệu là để xác định một khoảng thời gian trung bình cho mỗi chu kỳ và phân chia mỗi giá trị dữ liệu bằng mức trung bình.
3. Xác định nếu một mùa vụ quan trọng là hiện tại trong dữ liệu khi nó xuất hiện với các thành phần phát triển loại bỏ (de-growthed). Chỉ số mùa vụ có thể được tính bằng cách lấy trung bình các dữ liệu de-growthed qua các mùa (thời gian trưng bày hành vi tương tự).
4. Deseasonalize các dữ liệu ban đầu và phân tích các yếu tố tăng trưởng. Một âm mưu của các dữ liệu deseasonalized sẽ tiết lộ những hình thức của các thành phần tăng trưởng. Các deseasonalizing được thực hiện bằng cách chia mỗi dữ liệu của các chỉ số thời vụ thích hợp.
5. Phù hợp với các dữ liệu bằng một số phương pháp thích hợp, hồi quy bình phương tối thiểu, làm mịn mũ, vv
6. Một dự báo cho tương lai bao gồm một sự kết hợp của các xu hướng theo mùa và tăng trưởng.