4 modèle zapisany równaniem pierwszym odpowiada sytuacji, Gdy szereg czasowy de la Wi sumę trendu i wahań przypadkowych (modèle addytywny), un modèle Drugi – sytuacji, Gdy szereg czasowy jest iloczynem trendu i wahań przypadkowych (modèle multiplikatywny). Modèle Multiplikatywny – polega na przedstawieniu jako iloczynu dwch czynnikw. 3 zapis modelu Zatem będzie następujący: YT = f (t) +  t, t = 1,, n (1) lub YT = f (t)  t, (2) gdzie: f (t)-Funkcja czasu, charakteryzująca tendencję rozwojową szeregu, nazywana funkcją trendu,  t-zmienna losowa, charakteryzująca Efekty oddziaływania wahań przypadkowych na zmienną pronozowaną, o wartości oczekiwanej równej 0 dla (1) lub 1 DLA modelu (2) je skończonej wariancji. MODELE Szeregów czasowych mają Wiele postaci. Ich Trzy popularne Klasy à: Modelem szeregu czasowego sucym do okrelenia przyszej wartoci zmiennej pronozowanej Y w momencie lub okresie pronozowanym t, TJ. , Jest Model formalny, ktrego zmiennymi objaniajcymi MOG par tylko zmienna czasowa oraz przesze wartoci pronozy zmiennej. Pronoza zmiennej jest wartoci funkcji zalenej OD czasu, przeszych wartoci i (LUB) pronoz tej zmiennej: modèle wintersa Można zastosować dla Szeregów czasowych z tendencj rozwojową, wahaniami sezonowymi i przypadkowymi (parametry wygładzania). Modèle multiplikatywny jest czsto uywanym modelem w dekompozycji szeregw czasowych. W modelu tylko Jedna ze skadowych, na og tendencja rozwojowa modèle a lub stay (redni) poziom pronozowanej zmiennej modèle b jest wyraana w jednostkach zmiennej pronozowanej. Pozostae skadowe szeregu s w procesie dekompozycji wyraane jako wzgldne odchylenia BD OD tendencji rozwojowej, BD OD staego (redniego) poziomu zmiennej. Aby peux tendencję rozwojową dodajmy linię trendu. Szczególne znaczenie dla przebiegu procedury wyrównania i jakości uzyskanych wyników ma identyfikacja modelu.

Modèle Powinien możliwie Najlepiej opisywać badaną rzeczywistość i być uwiarygodniony przez odpowiednie irritable statystyczne, Dostępne dla analityka w procedurach wyrównań. Biorąc Pod uwagę postulat stabilności wskazane jest również unikanie częstych zmian modelu. Modèle Holta stosuje się wygładzania Szeregów czasowych, w których acteurs wahania przypadkowe je tendencja rozwojowa (paramétrie wygładzania).