Required: a) Define a time series and state any three areas where time series data are commonly used. b) Explain the four components of a time series. c) Using the additive model, calculate the seasonal variations for each quarter assuming the given trend values. Question 2 Monthly sales: Jan=20, Feb=25, Mar=30, Apr=28, May=35, Jun=40, Jul=45, Aug=50 Required: a) Calculate the 3-month moving averages. b) Explain why moving averages are used in time series analysis. c) State two advantages and two disadvantages of the moving average method.

a) Fafanua mfululizo wa muda (time series) na taja maeneo matatu ambapo data ya mfululizo wa muda hutumika sana. Mfululizo wa muda ni seti ya data iliyokusanywa na kupangwa kwa mpangilio wa muda, kwa kawaida kwa vipindi sawa (k.m., kila siku, kila mwezi, kila mwaka). Data hizi hutumika kuchunguza mabadiliko na mifumo kwa muda. Maeneo matatu ambapo data ya mfululizo wa muda hutumika sana ni: • Uchumi na Fedha: Kutabiri bei za hisa, mfumuko wa bei, na Pato la Taifa. • Hali ya Hewa: Kutabiri hali ya hewa, mabadiliko ya joto, na viwango vya mvua. • Uuzaji na Mauzo: Kuchambua mwenendo wa mauzo, mahitaji ya bidhaa, na tabia za wateja. b) Eleza vipengele vinne vya mfululizo wa muda. Vipengele vinne vya mfululizo wa muda ni: • Mwenendo (Trend): Huwakilisha mwelekeo wa muda mrefu wa data, iwe inapanda, inashuka, au inabaki sawa. • Msimu (Seasonal): Huonyesha mifumo inayojirudia kwa vipindi maalum vya muda, kama vile kila mwezi, robo mwaka, au mwaka, na husababishwa na mambo ya kimsimu (k.m., mauzo ya Krismasi). • Mzunguko (Cyclical): Huwakilisha mabadiliko yanayotokea kwa muda mrefu zaidi kuliko msimu, kwa kawaida miaka miwili au zaidi, na hayana vipindi maalum. Mara nyingi huhusiana na mizunguko ya biashara. • Mabadiliko Yasiyo ya Kawaida/Nasibu (Irregular/Random): Haya ni mabadiliko yasiyotabirika na yasiyo na muundo maalum, yanayosababishwa na matukio ya ghafla au yasiyotarajiwa (k.m., majanga ya asili, migomo). c) Kwa kutumia modeli ya nyongeza, kokotoa tofauti za kimsimu kwa kila robo mwaka ukizingatia thamani za mwenendo zilizotolewa. Samahani, siwezi kukokotoa tofauti za kimsimu kwa sehemu hii kwa sababu hakuna thamani za mwenendo au data ya mauzo ya robo mwaka iliyotolewa katika swali. Tafadhali toa data inayohitajika ili niweze kukusaidia. --- Swali la 2 a) Kokotoa wastani wa miezi 3 unaosonga. Data ya mauzo ya kila mwezi: Jan=20, Feb=25, Mar=30, Apr=28, May=35, Jun=40, Jul=45, Aug=50 Step 1: Kokotoa jumla ya mauzo kwa kila miezi 3 mfululizo. Step 2: Gawanya jumla hiyo kwa 3 ili kupata wastani unaosonga. Machi (Jan-Mar): (20 + 25 + 30)/(3) = (75)/(3) = 25.00 Aprili (Feb-Apr): (25 + 30 + 28)/(3) = (83)/(3) ≈ 27.67 Mei (Mar-May): (30 + 28 + 35)/(3) = (93)/(3) = 31.00 Juni (Apr-Jun): (28 + 35 + 40)/(3) = (103)/(3) ≈ 34.33 Julai (May-Jul): (35 + 40 + 45)/(3) = (120)/(3) = 40.00 Agosti (Jun-Aug): (40 + 45 + 50)/(3) = (135)/(3) = 45.00 Wastani wa miezi 3 unaosonga ni: Machi: 25.00 Aprili: 27.67 Mei: 31.00 Juni: 34.33 Julai: 40.00 Agosti: 45.00 b) Eleza kwa nini wastani unaosonga hutumika katika uchambuzi wa mfululizo wa muda. Wastani unaosonga hutumika katika uchambuzi wa mfululizo wa muda ili kulainisha mabadiliko ya ghafla au kelele katika data na kufichua mwenendo wa msingi kwa urahisi zaidi. Kwa kuondoa mabadiliko ya muda mfupi, inasaidia kuona mwelekeo wa jumla wa data kwa muda mrefu. c) Taja faida mbili na hasara mbili za njia ya wastani unaosonga. Faida mbili: • Ni rahisi kuelewa na kukokotoa, na kuifanya ipatikane kwa watu wengi. • Inasaidia kulainisha mabadiliko ya ghafla katika data, ikifanya mwenendo wa msingi uonekane wazi. Hasara mbili: • Inapoteza data mwanzoni na mwishoni mwa mfululizo wa muda, kwani haiwezi kukokotolewa kwa vipindi vya kwanza na vya mwisho. • Haiwezi kutabiri mabadiliko ya ghafla au pointi za kugeuka katika mwenendo, kwani inategemea data ya zamani tu. Tuma swali linalofuata 📸