Materi
Hyndman dan Athanasopoulos memakai empat metode sederhana sebagai pembanding: metode apa pun yang lebih rumit harus mengalahkan keempatnya. Dengan data y_1 sampai y_T dan ramalan h periode ke depan, metode rata-rata meramal semua periode dengan rata-rata seluruh data. Metode naif meramal semua periode dengan nilai terakhir y_T; buku itu mencatat metode ini bekerja sangat baik untuk banyak deret ekonomi dan keuangan. Metode naif musiman memakai nilai terakhir dari musim yang sama: dengan data bulanan, ramalan Februari mana pun adalah Februari terakhir yang teramati.
Metode drift adalah naif yang dibolehkan naik atau turun. Besar perubahan per periode adalah rata-rata perubahan historis, (y_T − y_1) / (T − 1), sehingga ramalannya y_T + h × (y_T − y_1) / (T − 1). Secara geometris, metode ini menarik garis dari pengamatan pertama ke pengamatan terakhir lalu memperpanjangnya. Pilihannya mengikuti pola: rata-rata untuk data yang berfluktuasi di sekitar level tetap, naif untuk data yang levelnya berpindah-pindah, naif musiman untuk data yang musimannya kuat, drift untuk data bertren.
Contoh dengan data lain: produksi kuartalan dua tahun.
import numpy as np
produksi = [90, 110, 130, 100, 96, 118, 140, 108]
T = len(produksi)
print(np.mean(produksi)) # rata-rata: 111.5
print(produksi[-1]) # naif: 108
print(produksi[-4]) # naif musiman untuk kuartal I berikutnya: 96
print(produksi[-1] + 2 * (produksi[-1] - produksi[0]) / (T - 1)) # drift h=2: 113.14...