Zeitreihenanalyse: Methoden und Prognosen für Zeitreihendaten

Question 1

Welche Aussage beschreibt eine saisonale Zeitreihe zutreffend?

Accepted Answer

Sie weist regelmäßige Schwankungen über mehr als ein Jahr auf.

Answer

Sie zeigt einen gleichmäßigen Anstieg oder Abfall.

Answer

Sie ist unvorhersehbar.

Answer

Sie hat keine erkennbare Struktur.

Question 2

Welche der folgenden Aussagen zur Darstellung von Zeitreihen ist richtig?

Accepted Answer

Die Darstellung hängt von der zugrunde liegenden Skala der Zeitreihe ab.

Accepted Answer

Der Titel einer Zeitreihengrafik sollte den dargestellten Zeitraum angeben.

Answer

Zeitreihen können nur als Linie dargestellt werden.

Answer

Zeitreihen sollten immer über einen möglichst langen Zeitraum dargestellt werden.

Question 3

Welche Methode wird zur Prognose von Zeitreihen durch Glättung historischer Daten verwendet?

Accepted Answer

Exponentielle Glättung

Answer

Multiple lineare Regression

Answer

Neuronale Netze

Answer

Zeitreihenzerlegung

Question 4

Welche Eigenschaft kennzeichnet eine stationäre Zeitreihe?

Accepted Answer

Konstante Varianz

Answer

Zeitabhängige Autokorrelation

Answer

Langfristiger Trend

Answer

Variierende Mittelwerte

Question 5

Welche Aussage zur differenzierten Zeitreihe ist zutreffend?

Accepted Answer

Die Differenzierung macht die Zeitreihe stationärer, indem sie Trends und Saisonalität entfernt.

Answer

Die Differenzierung reduziert die Variabilität der Zeitreihe.

Answer

Die Differenzierung führt immer zu negativen Werten in der resultierenden Zeitreihe.

Answer

Die Differenzierung ändert die Autokorrelationsstruktur der Zeitreihe nicht.

Question 6

Welche der folgenden Aussagen beschreibt korrekt die Wirkung der Differenzierung erster Ordnung auf eine Zeitreihe?

Accepted Answer

Entfernt lineare Trends

Answer

Entfernt saisonale Komponenten

Answer

Macht die Zeitreihe immer stationär

Answer

Fügt Rauschen zur Zeitreihe hinzu

Question 7

Was ist der Hauptzweck der Trendanalyse bei Zeitreihen?

Accepted Answer

Den langfristigen Trend in den Daten identifizieren

Answer

Saisonale Muster in den Daten erkennen

Answer

Zukünftige Werte anhand historischer Daten vorhersagen

Answer

Rauschen und zufällige Schwankungen in den Daten entfernen

Question 8

Welche Methode wird hauptsächlich verwendet, um den Trend aus einer Zeitreihe zu entfernen?

Accepted Answer

Differenzierung

Answer

Integration

Answer

Saisonale Bereinigung

Answer

Exponentielle Glättung

Question 9

Welche Aussage trifft auf nicht-stationäre Zeitreihen zu?

Accepted Answer

Ihre Mittelwerte können sich im Laufe der Zeit ändern.

Accepted Answer

Ihre Varianzen können sich im Laufe der Zeit ändern.

Accepted Answer

Ihre Autokorrelationen können sich im Laufe der Zeit ändern.

Answer

Sie können immer durch Differenzierung stationär gemacht werden.

Question 10

Welche Aussage zur Trendanalyse in Zeitreihen ist korrekt?

Accepted Answer

Sie identifiziert die langfristige Richtung und das Muster einer Zeitreihe.

Answer

Trends sind immer lineare Funktionen.

Answer

Sie ist nur für stationäre Zeitreihen möglich.

Answer

Der Trend ist der einzige Faktor, der die Werte einer Zeitreihe bestimmt.

Question 11

Welche Aussage zur Trendanalyse trifft zu?

Accepted Answer

Die Methode der kleinsten Quadrate wird häufig zur Bestimmung von Trendlinien verwendet.

Answer

Die Trendanalyse dient ausschließlich der Erkennung linearer Trends.

Answer

Die Extrapolation von Trends ist über lange Zeiträume immer zuverlässig.

Answer

Die Trendanalyse ist nur für saisonale Zeitreihen relevant.

Question 12

Welche Aussage zur Stationarität von Zeitreihen ist richtig?

Accepted Answer

Eine stationäre Zeitreihe hat einen konstanten Mittelwert, eine konstante Varianz und eine konstante Autokorrelationsstruktur über die Zeit.

Answer

Eine stationäre Zeitreihe ist eine Zeitreihe, deren Werte sich zufällig und unvorhersehbar um einen konstanten Mittelwert bewegen.

Answer

Eine stationäre Zeitreihe hat einen Trend im Laufe der Zeit, aber ihre Varianz bleibt konstant.

Answer

Eine stationäre Zeitreihe kann keine saisonalen Muster oder Zyklen aufweisen.

Question 13

Welche Aussage zur Trendanalyse ist korrekt?

Accepted Answer

Die Trendanalyse dient der Erkennung langfristiger Veränderungen in einer Zeitreihe.

Answer

Der Trend einer Zeitreihe wird ausschließlich linear beschrieben.

Answer

Die Methode der kleinsten Quadrate spielt in der Trendanalyse keine Rolle.

Answer

Die Trendanalyse ignoriert saisonale Schwankungen.

Question 14

Welche Prognosemethode eignet sich am besten für Zeitreihen, die exponentiell ansteigen oder abfallen?

Accepted Answer

Exponentielle Glättung

Answer

Lineare Regression

Answer

Gleitender Durchschnitt

Answer

Differenzierung

Question 15

Welche Komponente der Zeitreihe wird bei der doppelten exponentiellen Glättung zusätzlich berücksichtigt, im Gegensatz zur einfachen exponentiellen Glättung?

Accepted Answer

Trend

Answer

Saisonalität

Answer

Varianz

Question 16

Welche der folgenden Aussagen beschreibt eine stationäre Zeitreihe?

Accepted Answer

Die statistischen Eigenschaften wie Mittelwert, Varianz und Autokorrelation bleiben über die Zeit konstant.

Answer

Sie weist einen deutlichen linearen Trend auf.

Answer

Ihre saisonalen Schwankungen sind stark ausgeprägt.

Question 17

Welche Aussagen zur Stationarität von Zeitreihen sind zutreffend?

Accepted Answer

Eine stationäre Zeitreihe hat einen konstanten Mittelwert und eine konstante Varianz.

Accepted Answer

Die Autokorrelationsfunktion einer stationären Zeitreihe ist zeitunabhängig.

Accepted Answer

Nicht-stationäre Zeitreihen können durch Differenzierung oder Integration stationär gemacht werden.

Answer

Stationäre Zeitreihen weisen immer saisonale Schwankungen auf.

Question 18

Welche Zeitreihenanalysemethode ist optimal für die Modellierung langfristiger Trends und zyklischer Schwankungen in Daten ohne saisonale Einflüsse?

Accepted Answer

Autoregressive Integrated Moving Average (ARIMA)

Answer

Exponential Glättung

Answer

Wintersche Methode

Question 19

Welche grafische Darstellung eignet sich am besten, um den zeitlichen Verlauf einer Zeitreihe darzustellen?

Accepted Answer

Zeitreihendiagramm

Answer

Punktediagramm

Answer

Säulendiagramm

Question 20

Welches ist der Hauptzweck der Varianzanalyse in der Zeitreihenanalyse?

Accepted Answer

Eine Zeitreihe in Trend, Saisonalität und Rauschen aufteilen

Answer

Saisonale Muster in Zeitreihen identifizieren

Answer

Die Signifikanz von Trends in Zeitreihen prüfen

Answer

Zukünftige Werte einer Zeitreihe vorhersagen

Question 21

Welche Methode der Zeitreihenanalyse ist optimal, um saisonale Muster zu erkennen und von anderen Zeitreihenkomponenten zu isolieren?

Accepted Answer

(B) Saisonale Differenzierung

Answer

(A) Regressionsanalyse

Answer

(C) Mittelwertbildung

Answer

(D) Exponentielle Glättung

Question 22

Welcher Satz zur exponentiellen Glättung ist richtig?

Accepted Answer

Der Glättungsparameter alpha bestimmt die Stärke der Glättung.

Answer

Die exponentielle Glättung ist für stark schwankende Zeitreihen geeignet.

Answer

Die exponentielle Glättung berücksichtigt alle vergangenen Werte gleich stark.

Answer

Die exponentielle Glättung ist eine nicht-parametrische Methode.

Question 23

Welche Eigenschaften treffen auf die Moving Average Methode zur Zeitreihenanalyse zu?

Accepted Answer

Sie glättet die Zeitreihe durch Berechnung des arithmetischen Mittels der letzten n Werte und ist für stationäre und nicht-stationäre Zeitreihen geeignet.

Answer

Sie ist eine parametrische Methode, die Parameterschätzungen erfordert und nur für stationäre Zeitreihen geeignet ist.

Answer

Sie konzentriert sich ausschließlich auf saisonale Muster und ist für andere Muster ungeeignet.

Answer

Sie ist eine komplexe Methode, die nur von erfahrenen Statistikern angewendet werden sollte.

Question 24

Was ist die beste Beschreibung für die Differenzierung von Zeitreihen?

Accepted Answer

Eine Umwandlung, die die Stationarität der Zeitreihe erhöht, indem sie die Differenz zwischen aufeinanderfolgenden Beobachtungen bildet.

Answer

Eine Umwandlung, die saisonale Muster aus der Zeitreihe entfernt.

Answer

Eine Umwandlung, die den zugrunde liegenden Trend einer Zeitreihe entfernt.

Answer

Eine Umwandlung, die Autokorrelation aus einer Zeitreihe entfernt.

Question 25

Was ist das Grundprinzip der exponentiellen Glättung in der Zeitreihenanalyse?

Accepted Answer

Exponentielle Gewichtung vergangener Beobachtungen, wobei neuere Daten stärker berücksichtigt werden

Answer

Kombination aktueller und historischer Werte mit linearen Koeffizienten

Answer

Eliminierung des Einflusses von Ausreißern

Question 26

Welche Darstellungsform eignet sich am besten für Zeitreihen mit stark schwankendem Maßstab?

Accepted Answer

Logarithmiertes Liniendiagramm

Answer

Liniendiagramm

Answer

Balkendiagramm

Answer

Box-Whisker-Diagramm

Question 27

Welche Aussage trifft auf die Eigenschaft der Stationarität in Zeitreihen zu?

Accepted Answer

Konstanter Mittelwert und konstante Varianz

Accepted Answer

Konstante Autokorrelationsfunktion

Answer

Monotoner Trend

Question 28

Was ist das Hauptziel der Zeitreihenanalyse für fundierte Geschäftsentscheidungen?

Accepted Answer

Trends und Muster in historischen Daten identifizieren, um zukünftige Ereignisse vorherzusagen

Answer

Kennzahlen überwachen und die Unternehmensleistung messen

Answer

Produktionsprozesse und Ressourcenallokation optimieren

Answer

Echtzeitdaten für unmittelbare Entscheidungsfindung bereitstellen

Question 29

Welche Aussage zur exponentiellen Glättung trifft zu?

Accepted Answer

Die Glättungskonstante alpha bestimmt den Einfluss neuer Daten auf die Prognose.

Answer

Sie berücksichtigt nur den aktuellen Wert.

Answer

Sie ist eine lineare Prognosemethode.

Question 30

Welche Eigenschaft zeichnet die exponentielle Glättung als Prognosemethode aus?

Accepted Answer

Verwendung eines exponentiellen Gewichtungsfaktors für vergangene Beobachtungen

Answer

Verwendung eines konstanten Glättungsfaktors

Answer

Berücksichtigung nur der letzten Beobachtung

Answer

Eignung nur für stationäre Zeitreihen

Question 31

Welche Annahmen sind für die ARIMA-Modellierung unerlässlich und wie wirkt sich ihre Verletzung auf die Prognosequalität aus?

Accepted Answer

Stationarität, Normalverteilung, Unabhängigkeit

Answer

Normalverteilung, Autokorrelation, Heteroskedastizität

Answer

Trend, Saisonalität, deterministischer Anteil

Answer

Keine der genannten Annahmen

Question 32

Welche Schritte sind bei der Saisonalitätsanalyse einer Zeitreihe zu beachten?

Accepted Answer

1. Periodizität identifizieren
2. Saisonale Indizes schätzen
3. Saisonbereinigten Trend berechnen

Answer

1. Gleitenden Durchschnitt berechnen
2. Saisonale Indizes schätzen
3. Saisonbereinigten Trend berechnen

Answer

1. Autokorrelationsfunktion identifizieren
2. Saisonale Indizes schätzen
3. Saisonbereinigten Trend berechnen

Answer

1. Saisonale Indizes schätzen
2. Saisonbereinigten Trend berechnen
3. Periodizität identifizieren

Question 33

Welche Methode eignet sich am besten, um saisonale Muster zu extrahieren, die sich im Zeitverlauf verändern?

Accepted Answer

Decompositionsmethoden (z. B. X-12-ARIMA)

Answer

Mittelwertbildung

Answer

Differenzierung

Question 34

Nennen Sie drei verschiedene Fachgebiete, in denen Zeitreihenanalysen eingesetzt werden, und geben Sie für jedes ein typisches Anwendungsbeispiel an.

Accepted Answer

Wirtschaft: Prognose von Verkaufszahlen zur Optimierung der Produktionspläne

Accepted Answer

Finanzen: Risikobewertung von Investitionen zur Verlustminimierung

Accepted Answer

Ingenieurwesen: Vorhersage des Maschinenzustands zur Vermeidung von Ausfällen

Question 35

Frage:

Wie können Zeitreihenanalysetechniken eingesetzt werden, um Anomalien in Zeitreihendaten zu erkennen? Nennen Sie zwei verschiedene Ansätze und erläutern Sie deren Vor- und Nachteile.

Accepted Answer

Überwachung von Abweichungen

Accepted Answer

Modellierung und Vorhersage

Answer

Intervallschätzung

Answer

Clusteranalyse

Question 36

Welche der folgenden Aussagen beschreibt die Zeitreihenanalyse am besten?

Accepted Answer

Eine statistische Methode zur Analyse und Prognose zeitlich geordneter Daten.

Answer

Ein Verfahren zur Vorhersage zukünftiger Ereignisse ohne Verwendung historischer Daten.

Answer

Eine qualitative Methode, die sich auf die Beschreibung von Zeitreihendaten konzentriert.

Answer

Ein mathematisches Verfahren, das nur für komplexe und nichtlineare Daten geeignet ist.

Question 37

Welche der folgenden Methoden ist eine einfache und weit verbreitete Technik zur Zeitreihenanalyse?

Accepted Answer

Exponentielle Glättung

Answer

Autoregressive Integrated Moving Average (ARIMA)

Answer

SARIMA

Answer

Neuronale Netze

Question 38

Welche Komponente einer Zeitreihe weist eine allmähliche, langfristige Veränderung auf?

Accepted Answer

Trendkomponente

Answer

Saisonale Komponente

Answer

Resikomponente

Answer

Zyklische Komponente

Question 39

Wozu dient eine Autokorrelationsfunktion?

Accepted Answer

Zur Untersuchung der zeitlichen Abhängigkeit innerhalb einer Zeitreihe.

Answer

Zur Identifizierung von Ausreißern und Anomalien.

Answer

Zur Anpassung von Zeitreihenmodellen.

Answer

Zur Prognose zukünftiger Werte.

Question 40

Was ist ein wesentlicher Vorteil von ARIMA-Modellen gegenüber einfachen exponentiellen Glättungsmodellen?

Accepted Answer

Sie können sowohl Autokorrelation als auch saisonale Muster erfassen.

Answer

Sie sind einfacher zu interpretieren.

Answer

Sie sind immer genauer.

Answer

Sie erfordern keine Transformation der Daten.

Question 41

Welche der folgenden Aussagen beschreibt das Ziel einer Prognose richtig?

Accepted Answer

Vorhersage der zukünftigen Werte einer Zeitreihe.

Answer

Erstellung eines detaillierten Plans für zukünftige Maßnahmen.

Answer

Übernahme von Verantwortung für zukünftige Ereignisse.

Answer

Garantie für die Richtigkeit zukünftiger Ereignisse.

Question 42

Welche Schritte sind bei der Zeitreihenanalyse in der richtigen Reihenfolge durchzuführen?

Accepted Answer

Datenexploration, Modellauswahl, Parameterschätzung, Prognose

Answer

Prognose, Modellauswahl, Parameterschätzung, Datenexploration

Answer

Parameterschätzung, Modellauswahl, Datenexploration, Prognose

Answer

Datenexploration, Prognose, Parameterschätzung, Modellauswahl

Question 43

Erläutern Sie die Vorzüge und Schwierigkeiten bei der Anwendung gleitender Mittelwerte unterschiedlicher Perioden zur Glättung von Zeitreihen.

Accepted Answer

Kurze Perioden ermöglichen eine bessere Anpassung an kurzfristige Schwankungen, führen aber zu stärkerer Variabilität.

Accepted Answer

Lange Perioden führen zu geringerer Variabilität, können aber wichtige Trends überdecken.

Answer

Die Wahl der Periode hat keine Auswirkungen auf die Genauigkeit der Prognosen.

Question 44

Wie funktioniert die Exponential Glättung?

Accepted Answer

Sie verwendet einen exponentiell abnehmenden Gewichtungsfaktor, um vergangene Beobachtungen zu glätten.

Answer

Sie verwendet einen linearen Trend, um Zeitreihen zu prognostizieren.

Answer

Sie ist nur für stationäre Zeitreihen geeignet.

Answer

Sie erfordert keine Schätzung von Parametern.

Question 45

Frage: Erläutern Sie, wie Zeitreihenanalysetechniken dazu beitragen können, Auffälligkeiten (Anomalien) und Ausreißer in Zeitreihendaten zu identifizieren und zu verstehen.

Accepted Answer

Grafische Darstellung und Identifizierung von Datenpunkten, die deutlich vom allgemeinen Muster abweichen.

Accepted Answer

Einsatz statistischer Tests wie dem Grubbs-Test oder dem Dixon-Test, die extreme Werte identifizieren.

Accepted Answer

Anwendung von Filtertechniken wie dem Kalman-Filter oder der Exponentiellen Glättung, die Auffälligkeiten herausfiltern.

Answer

Zeitreihenanalysetechniken sind nicht geeignet, um Anomalien und Ausreißer zu erkennen und zu interpretieren.

Question 46

Was ist das zentrale Anliegen der Zeitreihenanalyse?

Accepted Answer

Analyse und Prognose von Daten, die zeitlich erfasst wurden.

Answer

Ausschließliche Beschreibung vergangener Entwicklungen.

Answer

Theoretische Betrachtung von Zeitreihendaten ohne praktischen Nutzen.

Answer

Anwendung ausschließlich auf stationäre Zeitreihen.

Question 47

Welche Aussage zur ARIMA-Modellierung ist nicht zutreffend?

Accepted Answer

ARIMA-Modelle können stationäre und nicht-stationäre Zeitreihen modellieren.

Answer

ARIMA steht für Autoregressives Integriertes Gleitender Durchschnitt Modell.

Answer

ARIMA-Modelle werden durch Maximum-Likelihood-Schätzung parametrisiert.

Answer

ARIMA-Modelle dienen zur Erstellung von Prognosen.

Question 48

Was ist das Ziel der Saisonalen Zerlegung?

Accepted Answer

Identifizierung und Extraktion saisonaler Muster

Answer

Modellierung zufälliger Komponenten

Answer

Prognostizierung saisonaler Daten

Answer

Umwandlung nicht-saisonaler Zeitreihen in saisonale

Question 49

Welche Aussage zur Prognose von Zeitreihen ist korrekt?

Accepted Answer

Die Genauigkeit von Prognosen hängt von Datenqualität und Modellwahl ab.

Answer

Prognosen sind immer akkurat und verlässlich.

Answer

Prognosen sind zu unsicher für die Entscheidungsfindung.

Answer

Je länger der Prognosehorizont, desto präziser die Prognosen.

Question 50

Was versteht man unter einer autokorrelierten Zeitreihe?

Accepted Answer

Zeitreihe mit Werten, die durch vorherige Werte beeinflusst werden

Answer

Zeitreihe mit unabhängigen Werten

Answer

Zeitreihe mit zufälligem Verhalten

Answer

Zeitreihe mit konstantem Mittelwert

Question 51

Welche Rolle spielt die grafische Visualisierung in der Zeitreihenanalyse?

Accepted Answer

Sie hilft, Trends, Muster und Ausreißer zu erkennen.

Answer

Sie ist nur für explorative Zwecke geeignet.

Answer

Sie verbessert immer die Genauigkeit von Prognosen.

Answer

Sie ist überflüssig, wenn statistische Modelle verwendet werden.

Question 52

Wie können Zeitreihenanalysetechniken zur Aufdeckung von Betrug und Anomalien in Transaktionsdaten eingesetzt werden?

Accepted Answer

Durch Identifizierung von Abweichungen von erwarteten Mustern in Transaktionsdaten

Answer

Durch Erstellung von Trendlinien in Transaktionsdaten

Answer

Zeitreihenanalysetechniken werden nicht in der Betrugserkennung eingesetzt

Answer

Zeitreihenanalysetechniken dienen ausschließlich der Vorhersage zukünftiger Transaktionen

Question 53

Welche Art von Zeitreihe weist eine konstante Mittelwertänderung auf?

Accepted Answer

Trendzeitreihe

Answer

Stationäre Zeitreihe

Answer

Zyklische Zeitreihe

Answer

Stochastische Zeitreihe

Question 54

Welches Maß wird verwendet, um die Periodizität einer zyklischen Zeitreihe zu messen?

Accepted Answer

Periodenlänge

Answer

Saisonindex

Answer

Autokorrelationsfunktion

Answer

Trendkomponente

Question 55

Welche Aussage zur Autokorrelationsfunktion (AKF) ist korrekt?

Accepted Answer

Für eine stationäre Zeitreihe ist die AKF von der Zeitverzögerung abhängig.

Answer

Für eine nicht-stationäre Zeitreihe ist die AKF immer positiv.

Answer

Die AKF ist für alle Zeitverzögerungen gleich.

Question 56

Welches Prognoseverfahren kombiniert die AR- und MA-Modelle?

Accepted Answer

ARIMA-Modell

Answer

Exponentielle Glättung

Answer

Neuronales Netzwerk

Answer

Regressionsmodell

Question 57

Welche Aussage zur Saisonalität ist korrekt?

Accepted Answer

Saisonalität bezieht sich auf Muster, die sich in regelmäßigen Abständen wiederholen.

Answer

Saisonalität kann nur durch Transformationen entfernt werden.

Answer

Saisonalität ist nur in natürlichen Zeitreihen vorhanden.

Question 58

Welche Aussage zur Zeitreihenanalyse ist korrekt?

Accepted Answer

Die Zeitreihenanalyse kann sowohl historische Daten analysieren als auch zukünftige Ereignisse vorhersagen.

Answer

Die Zeitreihenanalyse ist nur anwendbar, wenn die Zeitreihe stationär ist.

Question 59

Welche Aussage zur Trendkomponente einer Zeitreihe ist korrekt?

Accepted Answer

Die Trendkomponente erfasst die langfristige Entwicklung einer Zeitreihe.

Answer

Die Trendkomponente ist immer linear.

Answer

Die Trendkomponente kann durch Differenzierung entfernt werden.

Question 60

Welches ist das primäre Ziel der Zeitreihenanalyse?

Accepted Answer

Modellieren und Prognostizieren von Zeitreihendaten

Answer

Identifizieren von Trends und Mustern in Zeitreihendaten

Answer

Beschreiben von Zeitreihendaten

Answer

Testen von Hypothesen auf Basis von Zeitreihendaten

Question 61

Welcher Aspekt ist NICHT Teil der Zeitreihenanalyse?

Accepted Answer

Analyse von Querschnittsdaten

Answer

Interpretieren von Ergebnissen

Answer

Prognostizieren von Zeitreihen

Answer

Modellieren von Zeitreihen

Question 62

Welche Methode wird häufig zur Modellierung von Zeitreihen verwendet?

Accepted Answer

Autoregressive Integrierte Gleitende Mittelwert Modellierung (ARIMA)

Answer

Lineare Regression

Answer

ANOVA

Question 63

Wie unterscheiden sich stationäre und nicht-stationäre Zeitreihen?

Accepted Answer

Eine stationäre Zeitreihe hat eine konstante Mittelwert und Varianz, während eine nicht-stationäre Zeitreihe beides nicht aufweist.

Answer

Eine stationäre Zeitreihe weist einen linearen Trend auf, während eine nicht-stationäre Zeitreihe einen nicht-linearen Trend aufweist.

Question 64

Welche Aussage zur Prognose von Zeitreihen ist zutreffend?

Accepted Answer

Die Genauigkeit der Prognose nimmt tendenziell ab, je weiter der Prognosehorizont in die Zukunft reicht.

Answer

Die Prognose saisonaler Zeitreihen ist einfacher als die nicht-saisonaler Zeitreihen.

Answer

Die Prognosegenauigkeit ist immer hoch, wenn die Zeitreihe stationär ist.