esialgse rea elementidega. Libiseva keskmise puhul tuleb silmas pidada, et tunnuse väärtuste kasvamise korral kalduvad libisevad keskmised tunnuse väärtusi alla hindama ja kahanemise korral üle hindama. Libisev keskmine tasandab ära jääkliikmete varieerumise. · Eksponentkeskmised arvutatakse iga ajamomendi (perioodi) jaoks sellele momendile (perioodile) vastava tunnuse tegeliku väärtuse ja sellele vahetult eelnevale ajamomendile vastava eksponentkeskmise kaalutud keskmisena. Eksponentkeskmise leidmisel võetakse rea liikmed arvesse seda väiksema kaaluga, mida varasemale ajale nad vastavad võrreldes vaatlushetkega. Eksponentkeskmise leidmist alustatakse keskmistamiskaalu (tasandusparameetri) valikuga. Kui see võrduks ühega, siis oleksid kõik eksponentkeskmise väärtused võrdsed neile vastava rea liikmega ning tasandamist tegelikult ei toimugi. Kui võrduks nulliga, siis võrduksid kõik
määramispiirkonda. Ekstrapoleerimisel tuginetakse kas vahetult teada olevatele sõltuva tunnuse väärtustele või varem kindlaks tehtud seosele tunnuste vahel. Seoses aegridadega eristatakse retrospektiivset (ajas tagasi vaatavat) ja perspektiivset (tulevikku suunatud) ekstrapoleerimist. Just viimane on aluseks statistilistele prognoosidele. yˆ i 1 yi (1 ) yˆ i 6. eksponentkeskmise tasandamise kohta Libisevatest keskmistest mõnevõrra keerulisema struktuuriga eksponentkeskmised leitakse iga ajahetke jaoks, välja arvatud kõige esimene. Lisaks sellele võetakse arvutamisel kaudselt arvesse kõiki rea liikmeid. Nad leitakse erilise struktuuriga kaalutud keskmistena. Ka eksponentkeskmised ei võimalda aegrida kokkuvõtlikult esitada. Väga levinud on aegridade tasandamine, vaadeldes aegreana
väärtustele või varem kindlaks tehtud seosele tunnuste vahel. Seoses aegridadega eristatakse retrospektiivset (ajas tagasi vaatavat) ja perspektiivset (tulevikku suunatud) ekstrapoleerimist. Just viimane on aluseks statistilistele prognoosidele. ^ i +1 = y yi +(1 -) y ^i 1. eksponentkeskmise tasandamise kohta Libisevatest keskmistest mõnevõrra keerulisema struktuuriga eksponentkeskmised leitakse iga ajahetke jaoks, välja arvatud kõige esimene. Lisaks sellele võetakse arvutamisel kaudselt arvesse kõiki rea liikmeid. Nad leitakse erilise struktuuriga kaalutud keskmistena. Ka eksponentkeskmised ei võimalda aegrida kokkuvõtlikult esitada. Väga levinud on aegridade tasandamine, vaadeldes aegreana
kasutatakse kordsete suuruste puhul geomeetrilist keskmist Mediaan: normaaljaotuse puhul on moodiga võrdne Kvartiilkeskmist kasutatakse kui on tegemist: ei ükski antud valikutest Kuupkeskmist kasut kui on tegemist: ei ükski Kronoloogilist keskmist kasutatakse, kui on tegemist: momentreaga ja ajavahemikud on võrdsed momentreaga aegrea kesmise taseme arvutamiseks. Eksponentkeskmist kasutatakse, kui on tegemist aegreaga ja selle tasandamise juures Eksponentkeskmise leidmisel: valitakse tasandusparameeter vastavalt analüüsija soovile erinevaid ajaperioode tähtsustada Aritmeetilise keskmine +-1 standardhälvet hõlmab normaaljaotuse kõvera alusest pindalast.. 68,27% Aritmeetiline keskmine t=3 standardhälvet hõlmab normaaljaotuse kõverat... 99,7% Aritmeetiline keskmine +-2 keskmist lineaarhälvet hõlmab normaaljaotuse kõvera alusest 95,45% Väärtuste varieeruvuse hindamisel (varieeruvuse hindamisel):
annaabi.ee 
