Условие соответствия ряда остатков нормальному закону распределения. Рассчитаем RS - критерий:
где 
соответственно максимальный и минимальный уровни ряда остатков; 
- среднеквадратическое отклонение ряда остатков (найдено выше):
еmax=8,12
emin=-9,95
Значит, 
2,7<3,306<3,7
Расчетное значение RS попадает между табулированными границами с заданным уровнем вероятности (по условию этот интервал равен 2,7 - 3,7), поэтому гипотеза о нормальном распределении ряда остатков принимается. В этом случае допустимо строить доверительный интервал прогноза.
Таким образом, все пункты проверки дают положительный результат, то есть выбранная трендовая модель является адекватной реальному ряду экономической динамики, и, следовательно, ее можно использовать для построения прогнозных оценок.
Оценить точность модели на основе средней относительной ошибки аппроксимации.
Относительная ошибка аппроксимации:
где 
- ошибка прогноза;
- фактическое значение показателя; 
- - прогнозируемое значение.
Данный показатель используется в случае сравнения точности прогнозов по нескольким моделям. При этом считают, что точность модели является высокой, когда 
<10%, хорошей – при =10-20% и удовлетворительной – при =10-50%
Средняя относительная ошибка полиномиальной модели была определена в таблице 4: 
5,28. Это означает, что точность полиномиальной модели высокая.
3.Осушествить прогнозы исследуемого признака на следующие 2 дня (доверительный интервал прогноза рассчитать при доверительной вероятности р=80%).
Построим точечный и интервальный прогнозы на два шага вперед.
Для вычисления точечного прогноза в построенную модель подставляем
соответствующие значения фактораt=n+k:
f16=67,98+4,021 
-0,122 
162 
101,084
f17=67,98+4,021 
-0,122 172 101,079
Для построения интервального прогноза рассчитаем доверительный интервал. Примем значение уровня значимости α = 0,2, следовательно, доверительная вероятность равна 80%, а критерий Стьюдента приn=n–2 =13 равен 1,35. Ширину доверительного интервала вычислим по формуле:
Где 
| t | (t-  )2
| y | 
| е | e2 |
| 71,88 | 8,12 | 65,951 | |||
| 75,53 | -0,53 | 0,285 | |||
| 78,95 | -9,95 | 98,903 | |||
| 82,11 | -3,11 | 9,685 | |||
| 85,04 | 1,97 | 3,861 | |||
| 87,71 | -7,71 | 59,506 | |||
| 90,15 | 5,85 | 34,234 | |||
| 92,34 | 6,66 | 44,356 | |||
| 94,29 | -2,29 | 5,230 | |||
| 95,99 | 4,01 | 16,080 | |||
| 97,45 | 5,55 | 30,814 | |||
| 98,66 | -5,66 | 32,081 | |||
| 99,64 | -2,64 | 6,943 | |||
| 100,36 | -2,36 | 5,579 | |||
| 100,85 | 2,16 | 4,644 | |||
| S= | S=418,151 |
U(1)=5,903 
=9,069
U(2)=5,903 
=9,280
Далее вычисляем верхнюю и нижнюю границы прогноза.
Верхняя граница =yпрогноз+U(k)
Нижняя граница =yпрогноз-U(k)
Таблица 6. Верхняя и нижняя граница прогноза
| n+k | U(k) | Прогноз | Верхняя граница | Нижняя граница |
| 16 | 9,069 | 101,084 | 110,15 | 92,02 |
| 17 | 9,280 | 101,079 | 110,36 | 91,80 |
Фактические значения признаков, результаты моделирования и прогнозирования представить графически.
Рисунок 10. Фактические значения признаков, результаты моделирования и прогнозирования
Заключение
Целью данной контрольной работы является исследование динамики экономического показателя на основе анализа одномерного временного ряда. Проведено исследование динамики цен закрытия торгов на акции ряда компаний.
В ходе исследования нами было представлено теоретическая часть и практическая, показаны примеры решения задач, представлен практический опыт решения задач.
Таким образом, цель данной контрольной работы достигнута, задачи реализованы.