Interpoleerimine aegrea puuduvate elementide arvväärtuste leidmine Ekstrapoleerimine trendi retrospektiivne ja/või perspektiivne leidmine n ( y^ t - y)2 D=R = 2 i =1 n (y t - y)2 i =1 Statistiline prognoosimine ja terve hulk lihtsamaid prognoosimudeleid tugineb senise arengutrendi kindlaksmääramisel ja selle ekstrapoleerimisele tulevikku Aproksimeerimisviga - Mudeli headust mõõdetakse enamasti tema kirjeldatuse tasemega ehk determinatsioonikordajaga, R 2 Näitab kui palju sõltuva muutuja (y) hajuvusest seletav muutuja (trend, t) kirjeldab Omab väärtusi vahemikus [0, 1]; mida kõrgem, seda paremini seletav tunnus sõltuva tunnuse hajuvust kirjeldab Üldjuhul eristatakse aegreas kolme komponenti: · Trend ehk arengutendents
kulusid, kasutades toimingupõhiseid, mahupõhiseid jm kulukäitureid. Teiseks, kuluprognoosimine aitab identifitseerida kuluobjekti peamisi kulukäitureid. 14 Kulude prognoosimine tugineb kulude liigitamisele püsi- ja muutuvkuludeks. Kulude prognoosimiseks (segakulude analüüsiks) on mitu moodust: ● tehnoloogiline lähenemisviis; ● konverentsimeetod; ● kontode klassifitseerimismeetod; ● möödaniku andmete ekstrapoleerimisele tuginev statistiline lähenemisviis, valdavalt kasutatakse regressioonanalüüsi meetodeid (maksimumi-miinimumi meetod, visuaalmeetod, vähimruutude meetod). Kui pole andmeid möödaniku kohta (näiteks kui evitatakse täiesti uus toode) või kui tingimused on oluliselt muutunud, on statistilise lähenemisviisi rakendamine väheefektiivne. Sellistes oludes annab kulude prognoosimisel häid tulemusi tehnoloogiline lähenemisviis.
annaabi.ee 
