REŠENJA 45. I 46.

ZADATKA

45. Dati su podaci o ostvarenom prometu pšenice (u mil. tona) u periodu 2016-2019. godina.
Kvartal Godina
2016 2017 2018 2019
I 10 11 12 10
II 12 10 12 13
III 20 18 20 21
IV 5 6 5 4
Metodom odnosa prema opštem proseku ispitati da li posmatrana pojava ima sezonski karakter.

Rešenje
Najpre ćemo iskopirati tabelu iz teksta zadatka
Kvartal Godina Kvartalni Sezonski
2016 2017 2018 2019 proseci indeksi
I 10 11 12 10 10,75 91,02
II 12 10 12 13 11,75 99,49
III 20 18 20 21 19,75 167,23
IV 5 6 5 4 5 42,34
Ukupno - - - - 47,25 400,08

Zatim ćemo izračunati kvartalne proseke. Uvek ćemo imati 4 kvartalna proseka, jer imamo 4
kvartala u godini. Kvartalne proseke izračunavamo po sledećoj formuli:

y ij
j 1
yi 
n , n-broj godina
10  11  12  10
Prosek prvog kvartala: y I   10 ,75
4
12  10  12  13
Prosek drugog kvartala: y II   11,75
4

20  18  20  21
Prosek trećeg kvartala: y III   19 ,75
4

5654
Prosek četvrtog kvartala: y IV  5
4
Dodaćemo jednu kolonu u tabeli i upisati kvartalne proseke.
Izračunavamo zatim i opšti prosek tako što saberemo sve kvartalne proseke i podelimo sa 4, tj.
4

y i
10 ,75  11,75  19 ,75  5 47 , 25
i 1
y k var .     11,81
4 4 4

Sezonske indekse za svaki kvartal izračunaćemo kada kvartalni prosek datog kvartala podelimo opštim
kvartalnim prosekom i rezultat pomožimo sa 100:
y
I s  i  100
y kv
10 ,75
Sezonski indeks za prvi kvartal I s I   100  91,02
11,81
 11,75
Sezonski indeks za drugi kvartal I s II   100  99 ,49
11,81
1975
Sezonski indeks za treći kvartal I s III   100  167 ,23
11,81
5
Sezonski indeks za četvrti kvartal I s IV   100  42 ,34
11,81
Dodajemo kolonu u tabeli i u nju unosimo sezonske indekse za svaki kvartal. Proverimo zbir
sezonskih indeksa. Treba da bude 400. U našem primeru zbir je 400,08. Odstupanje je neznatno,
tako da nema potrebe za korekcijom indeksa.
Obavezno je tumačenje indeksa:
U prvom kvartalu je uticaj sezone negativan, pa je ostvareni promet pšenice 8,98% ispod opšteg
proseka.
U drugom kvartalu je uticaj sezone negativan, ali istovremeno i vrlo slab, jer je promet pšenice
samo 0,51% ispod proseka.
U trećem kvartalu je sezona imala pozitivan uticaj, pa je promet pšenice 67,23% iznad proseka.
U četvrtom kvartalu je uticaj sezone ponovo negativan, pa je promet pšenice 57,66% ispod
proseka.

46. Promet u ugostiteljskim objektima u regionu A (u mil. dinara) prikazan je u sledećoj tabeli:
Kvartal Godina
2015 2016 2017 2018 2019
I - 6 8 10 12
II - 9 11 14 18
III - 12 16 19 -
IV 7 8 10 13 -

a) Proveriti da li pojava ima sezonski karakter.

b) Isključiti uticaj sezone iz kvartala u kome je on najjači.
c) Koliki bi promet bio u 2017. godini da nije bilo uticaja sezone?
d) Oceniti funkciju linearnog trenda na osnovu kvartalnih podataka o prometu u ugostiteljskim
objektima i na osnovu nje predvideti promet u I i II kvartalu 2020. godine, uzimajući u obzir uticaj
sezone.
e) Grafičkim putem proveriti da li su predviđanja realna.

Rešenje

a) Proveriti da li pojava ima sezonski karakter.

Ovako formulisan zahtev u zadatku podrazumeva da se izračunaju sezonski indeksi. U ovom
slučaju primenićemo metod pokretnih proseka. Najpre ćemo nacrtati novu tabelu i u nju uneti
samo periode za koje imamo podatke:

Centrirani Neregularni
Pokretni pokretni sezonski
Godina kvartal y prosek prosek koeficijent
2015 IV 7 -
2016 I 6 -
II 9 8,5
8,625 1,04
8,75
III 12 9 1,33
IV 8 9,25 9,5 0,84
2017 I 8 9,75 10,25 0,78
 II 11 10,75 11 1,00
III 16 11,25 11,5 1,39
IV 10 11,75 12,125 0,82
2018 I 10 12,5 12,875 0,78
II 14 13,25 13,625 1,03
III 19 14 14,25 1,33
IV 13 14,5 15 0,87
2019 I 12 15,5 -
II 18 -

Najpre izračunavamo pokretne proseke od po 4 člana. Na primer, prvi pokretni prosek je

Zatim

Poslednji pokretni prosek:

Već smo spomenuli na predavanjima da je, kada izračunavamo pokretne proseke parnog reda
neophodno izvršiti njihovo centriranje. To radimo da bismo pokretni prosek pridružii nekom
periodu, jer, kao što vidite, izračunati pokretni proseci se nalaze izmedju dva perioda (prvi
pokretni prosek je izmedju I i II kvartala 2016). Proseke centriramo tako što izračunavamo
aritmetiču sredinu dva uzastopna proseka.
Zatim originalne podatke delimo centriranim pokretnim prosecima i dobijamo neregularne
sezonske koeficjente.

Sezonske koeficijente ćemo prepisati u novu tabelu:

Godina Kvartalne Sezonski

Kvartal 2016 2017 2018 sredine indeks
I 0,78 0,78 0,7786 77,86
II 1,04 1,00 1,03 1,0237 102,37
III 1,33 1,39 1,33 1,3527 135,27
IV 0,84 0,82 0,87 0,8445 84,45
399,94
Izračunaćemo prosek sezonskih koeficijenata za svaki kvartal i tako dobiti kvartalne sredine.
Kada kvartalne sredine pomnožimo sa 100 dobićemo tipične sezonske indekse za svaki kvatal.
Tumačenje:
U prvom kvartalu je uticaj sezone negativan, pa je ostvareni promet u ugostiteljskim objektima
22,14% ispod opšteg proseka.
U drugom kvartalu je uticaj sezone poztivan, jer je promet u ugostiteljskim objektima 2,37%
iznad proseka.
U trećem kvartalu je sezona imala pozitivan uticaj, pa je promet u ugostiteljskim objektima
35,27% iznad proseka.
U četvrtom kvartalu je uticaj sezone ponovo negativan, pa je promet u ugostiteljskim objektima
15,55% ispod proseka.

b) Isključiti uticaj sezone iz kvartala u kome je on najjači.

Jačinu uticaja sezone merimo odstupanjem od 100. U našem primeru najjači uticaj sezone je u trećem
kvartalu, ne zato što je u tom kvartalu najveći indeks, već zato što je najveće odstupanje od 100.
Najslabiji uticaj sezone je u drugom kvartalu, jer je tu najmanje odstupanje od 100.
Pošto je najjači uticaj sezone u trećem kvartalu, shodno zahtevu, moramo isključiti uticaj sezone
u ovom kvartalu. Na taj način ćemo saznati koliko bi bio promet u ugostiteljskim objektima u ovom
kvartalu da nije bilo uticaja sezone. Isključivanje uticaja sezone iz podataka se naziva desezonizacija
vremenskog niza i podrazumeva deljenje originalnih podataka u odredjenom kvartalu tipičnim
sezonskim indeksom za taj kvartal, tj.

y
y   100
I S
Desezonizovani nivo pojave u trećem kvartalu 2016. godine biće:
12
 
y 2016  100  8,87
135 ,27
Tumačenje: Da nije bilo uticaja sezone, promet u ugostiteljskim objektima u III kvartalu 2016.
godine iznosio bi 8,87 miliona dinara.

Desezonizovani nivo pojave u trećem kvartalu 2017. godine biće:

16
 
y 2017  100  11,83
135 , 27
Tumačenje: Da nije bilo uticaja sezone, promet u ugostiteljskim objektima u III kvartalu 2017.
godine iznosio bi 11,83 miliona dinara.

Desezonizovani nivo pojave u trećem kvartalu 2018. godine biće:

19
 
y 2018  100  14 ,04
135 ,27
Tumačenje: Da nije bilo uticaja sezone, promet u ugostiteljskim objektima u III kvartalu 2018.
godine iznosio bi 14,04 miliona dinara.

c) Koliki bi promet bio u 2017. godini da nije bilo uticaja sezone?

I u ovom zahtevu treba izvršiti desezonizaciju vremenskog niza, samo što sada treba isključiti uticaj
sezone iz podataka za svaki kvartal u 2017. godini. Primenjujemo istu formulu kao i u prethodnom
zahtevu. Radi preglednosti, možemo koristiti i sledeću tabelu:

Desezonizovani
Kvartal Y2017 Is
nivo pojave
I 8 77,86 10,27
II 11 102,37 10,75
III 16 135,27 11,83
IV 10 84,45 11,84

Ovako bi se kretao promet u ugostiteljskim objektima po kvartalima da nije bilo uticaja sezone.
Tačnije, u prvom kvartalu promet bi iznosio 10,27 miliona dinara, u drugom kvartalu 10,75 miliona
dinara, u trećem kvartalu 11,83 miliona dinara, a u četvrtom kvartalu 11,84 miliona dinara.

d) Oceniti funkciju linearnog trenda na osnovu kvartalnih podataka o prometu u ugostiteljskim

objektima i na osnovu nje predvideti promet u I i II kvartalu 2020. godine, uzimajući u obzir
uticaj sezone.

Ovo se odnosi na deo Sezonska komponenta u funkciji predviđanja

Najpre ćemo oceniti parametre linearnog trenda.U novoj tabeli dodajemo najpre kolonu x. U nizu
imamo podatke za 15 kvartala.

Radna tabela
Godina kvartal promet x x2 xy
2015 IV 7 -7 49 -49
2016 I 6 -6 36 -36
II 9 -5 25 -45
III 12 -4 16 -48
IV 8 -3 9 -24
2017 I 8 -2 4 -16
II 11 -1 1 -11
III 16 0 0 0
IV 10 1 1 10
2018 I 10 2 4 20
II 14 3 9 42
III 19 4 16 76
IV 13 5 25 65
2019 I 12 6 36 72
II 18 7 49 126
Ukupno: 173 0 280 182
III 8
2019
IV 9
I 10
2020
II 11

b0  y 
 y  173 11,53 - prosečan kvartalni promet u ugostiteljskim objektima u
n 15
posmatranom period iznosi 11,53 miliona dinara.

b1 
 x  y  182  0,65 -srednji apsolutni rast prometa u posmatranom periodu iznosi 0,65
 x 2 280
miliona dinara, tj. 650,000 dinara. Ili, prosečno kvartalno povećanje prometa u ugostiteljskim
objektima u posmatranom periodu iznosi 0,65 miliona dinara.

yˆ t  11,53  0,65  x
Na osnovu ove funkcije trenda treba oceniti promet u ugostiteljskim objektima u I i II kvartalu 2020.
godine, tj. izvršiti ekstrapolaciju trenda. Najpre ćemo produžiti kolonu x i obuhvatiti ove periode za
koje treba izvršiti ekstrapolaciju.

U I kvartalu 2020. godine x=10, ocenjena funkcije trenda biće:

yˆ I 2020  11,53  0,65  10  18 ,03
U II kvartalu 2020. godine x=11, ocenjena funkcije trenda biće:
yˆ I 2020  11,53  0,65  11  18 ,68
Zatim uključujemo sezonsku komponentu u predivđanje primenom sledeće formule:
Sezonovan promet u ugostiteljskim objektima u I kvratalu 2020. godine biće:

Interpretacija: Uzimajući u obzir uticaj sezone, promet u ugostiteljskim objektima u I kvartalu

2020. godine iznosiće 14,04 miliona dinara.

Sezonovan promet u ugostiteljskim objektima u II kvratalu 2020. godine biće:

Interpretacija: Uzimajući u obzir uticaj sezone, promet u ugostiteljskim objektima u II kvartalu

2020. godine iznosiće 19,12 miliona dinara.

e) Grafičkim putem proveriti da li su predviđanja realna.

Proveru realnosti predviđanja grfičkim putem vršimo tako što crtamo linijski dijagram.
Grafički treba prikazati podatke za period od IV kvartala 2015. godine do II kvartala 2020. godine. U
ovom periodu nedostaju nam podaci za promet u ugostiteljskim objektima u III i IV kvartalu 2019.
godine. Ocenićemo ih na isti način kao i u prethodnom zahtevu.
Najpre ćemo izvršiti ekstrapolaciju trenda u III i IV kvartalu 2019. godine:

U III kvartalu 2019. godine x=8, ocenjena funkcije trenda biće:

yˆ III 2019  11,53  0,65  8  16 ,73
U IV kvartalu 2019. godine x=9, ocenjena funkcije trenda biće:
yˆ I 2020  11,53  0,65  9  17 ,38

Sezonovan promet u ugostiteljskim objektima u III kvratalu 2019. godine biće:

Sezonovan promet u ugostiteljskim objektima u IV kvratalu 2019. godine biće:

Linijskim dijagramom prikazaćemo sledeće podatke:

Radna tabela
Godina kvartal promet
2015 IV 7
2016 I 6
II 9
III 12
IV 8
2017 I 8
II 11
III 16
IV 10
I 10
2018 II 14
III 19
 IV 13
I 12
2019 II 18
III 22,63
IV 14,68
I 14,04
2020
II 19,12

Slika br. 1 Grafički prikaz originalnih i ekstrapolisanih podataka o prometu

Izlomljena linija na grafiku upućuje na zaključak da predviđen promet u ugostiteljskim

objektima predstavlja logičan nastavak putanje, pa se može zaključiti da su predviđanja realna.