Forecasting and Predictive Analytics with

Forecast X 7th Edition Keating Solutions Manual

pdf download

https://testbankfan.com/product/forecasting-and-predictive-
analytics-with-forecast-x-7th-edition-keating-solutions-manual/
We believe these products will be a great fit for you. Click
the link to download now, or visit testbankfan.com
to discover even more!

Business Forecasting 9th Edition Hanke Solutions Manual

https://testbankfan.com/product/business-forecasting-9th-edition-
hanke-solutions-manual/

Forecasting For Economics And Business 1st Edition

Gloria Gonzalez-Rivera Solutions Manual

https://testbankfan.com/product/forecasting-for-economics-and-
business-1st-edition-gloria-gonzalez-rivera-solutions-manual/

Principles of Business Forecasting 1st Edition Ord

Solutions Manual

https://testbankfan.com/product/principles-of-business-
forecasting-1st-edition-ord-solutions-manual/

Business Communication Polishing Your Professional

Presence Canadian 1st Edition Shwom Solutions Manual

https://testbankfan.com/product/business-communication-polishing-
your-professional-presence-canadian-1st-edition-shwom-solutions-
manual/
Power Systems Analysis 2nd Edition Bergen Solutions
Manual

https://testbankfan.com/product/power-systems-analysis-2nd-
edition-bergen-solutions-manual/

Essentials of Modern Business Statistics with Microsoft

Office Excel 7th Edition Anderson Test Bank

https://testbankfan.com/product/essentials-of-modern-business-
statistics-with-microsoft-office-excel-7th-edition-anderson-test-
bank/

MGMT Asia Pacific 3rd Edition Williams Solutions Manual

https://testbankfan.com/product/mgmt-asia-pacific-3rd-edition-
williams-solutions-manual/

Solar System 9th Edition Seeds Solutions Manual

https://testbankfan.com/product/solar-system-9th-edition-seeds-
solutions-manual/

Marketing Management 11th Edition Peter Solutions

Manual

https://testbankfan.com/product/marketing-management-11th-
edition-peter-solutions-manual/
How Children Develop 3rd Edition Siegler Test Bank

https://testbankfan.com/product/how-children-develop-3rd-edition-
siegler-test-bank/
 Solutions to Chapter 6 Exercises
1. Explain the similarity between how time-series decomposition and Winters’ exponential
smoothing deal with seasonality.
The similarity with which Winters’ (Holt Winters’) and time series decomposition
deal with seasonality is that both methods deal with seasonality in a multiplicative
manner. Each method gives you an index of how each period (month or quarterly
are most common) compares to the average period for the year. An index above
one indicates a high period while an index below one indicated a low period.
These can be interpreted as percentages. For example a December index of 1.28
tells you that on average December is 28% above the norm for the year. An index
of 0.78 says that that period is only 78% of the average for the year. In either
model (Winters’ or time series decomposition) the sum of the seasonal indices
will equal the number of periods represented per year in the data (four if using
quarterly data and 12 if using monthly data).
2. Discuss the trend, the seasonal, and the cyclical components.
The trend is the long term movement in the data. If the overall movement is from
low to high there is a positive trend and if the overall movement is from high to
low there is a negative trend.
The seasonal part of time series decomposition measures the regular pattern in the
data for specific periods year after year. For example for most retailers the fourth
quarter (or maybe December) typically has greater than average sales and thus the
corresponding seasonal indices are above one, and usually of similar values (but
not always the same value).
The cyclical component measures very long term movements of the data that are
often thought of as waves. A complete cycle from trough to trough (or peak to
peak) might take many years. In business the length and amplitude of cycles is
typically inconsistent.
3. What is the difference between seasonal factors and seasonal indices?
Seasonal factors are calculated for each period. Thus, there is a seasonal factor for
every December (or every fourth quarter). If you have twenty years of historical
data you would have twenty seasonal factors for each month or quarter. A
seasonal index is an average of all the seasonal factors for any specific period.
4. How is the long-term trend determined for a time-series decomposition model?
The long term trend in the classical time series decomposition model, as discussed
in the text, is estimated by using an OLS time trend with the centered moving
average as the dependent variable and a time index as the independent variable.
5. How do true cycles and the cycles typically found in business data differ?
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
 A true cycle has a constant amplitude and a constant periodicity. In a time series
graph the amplitude is the vertical distance from trough to peak (or peak to
trough). The periodicity is the length of time (horizontal distance) from peak to
peak (or trough to trough). With business data such consistency does not exist.
For this reason some prefer to use the term business fluctuations since the
periodicity and amplitude vary along the time series of data.
6. Using your own words, write a description of each of the four components of the classic
time series decomposition technique. Avoid using mathematical relationships and
technical jargon as much as possible so that your explanations can be understood by
almost anyone.
The four components of time series decomposition are: 1) the trend; 2)
seasonality; 3) the cycle; and 4) random (irregular) fluctuations.
The trend is estimated form data that has been deseasonalized (the seasonality has
been removed). This is accomplished by using moving averages that include
every period of the year.
Seasonality is measured by comparing the actual value for any period with the
deseasonalized value for that period. The way in which the actual and
deseasonalized values are compared is by dividing the actual by the
deseasonalized value for each period. If the actual is greater than the
deseasonalized value it is a high period so the seasonal factor is greater than one.
If the actual is less than the deseasonalized value it is a low period and the
seasonal factor is less than one.
The cyclical value for each period is found by comparing the deseasonalized
value for each period with the trend value for each period. This is done by
dividing the deseasonalized value by the trend value. When this ratio is greater
than one the cycle is high and when below one the cycle is low.
The random (or irregular) part is the noise in the data caused by factors that can
not be forecast because of their random nature. In practice the random part of the
model is usually assumed to be one.
7. Suppose that sales of a household appliance are reported to be 13,000 units during the first
quarter of the year. The seasonal index for the first quarter is 1.24. Use this information to
make a forecast of sales for the entire year. Actual sales for the year were 42,000 units.
Calculate your percentage error for the year. What percentage error would result if you
forecast sales for the year by simply multiplying the 13,000 units for the first quarter by 4?
With actual sales of 13,000 and a seasonal index of 1.24 the deseasonalized value
would be: 13,000/1.24 which is 10,483.87. This represents the “typical” average
sales per quarter. Multiplying this by 4 (the number of quarters) gives a forecast
for the year of: 10,483.87 x 4 = 41,935.48.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 The percentage error would be: ((42,000 - 41,935.48)/42,000)*100 = 0.154%.
By simply multiplying actual sales (13,000) by 4 we would forecast sales to be
52,000. The resulting percentage error would be: ((42,000 – 52,000)/42,000)*100
= - 23.81%.

8. In a time-series decomposition of sales (in millions of units), the following trend has been
estimated:
CMAT = 2.315 + 0.196(T)
The seasonal indices have been found to be:

Quarter Seasonal Index

1 1.24

2 1.01

3 0.76

4 0.99

For the coming year, the time index and cycle factors are:

Quarter T CF

1 21 1.01

2 22 1.04

3 23 1.06

4 24 1.04

a. From this information, prepare a forecast for each quarter of the coming year.
Forecast
Forecast Seasonal =
Period Trend Index Cycle B*C*D
21 16.431 1.27 1.01 21.076
22 16.627 1.02 1.04 17.638
23 16.823 0.73 1.06 13.018
24 17.019 0.98 1.04 17.346

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
b. Actual sales for the year you forecast in part (a) were 17.2, 13.2, 10.8, and 14.2 for
quarters 1, 2, 3, and 4, respectively. Use these actual sales figures along with your
forecasts to calculate the mean absolute percentage error for the forecast period.

Absolute Absolute
Period Actual Forecast Error Error % Error
21 17.2 21.076 -3.876 3.876 22.535
22 13.2 17.638 -4.438 4.438 33.621
23 10.8 13.018 -2.218 2.218 20.534
24 14.2 17.346 -3.146 3.146 22.153
MAPE = 24.7

9. A tanning parlor located in a major shopping center near a large New England city has the
following history of customers over the last four years (data are in hundreds of customers
and months are the midmonth of each quarter): (c6p9)

Yearly
Year Feb May Aug Nov
Totals
2012 3.5 2.9 2.0 3.2 11.6
2013 4.1 3.4 2.9 3.6 14.0
2014 5.2 4.5 3.1 4.5 17.3
2015 6.1 5.0 4.4 6.0 21.5

a. Construct a table in which you show the actual data (given in the table), the centered
moving average, the centered moving-average trend, the seasonal factors, and the cycle
factors for every quarter for which they can be calculated in years 2012 through 2015.

Date Customers MA4 CMA CMAT SF Cf Time

Feb-12 3.5 1
May-12 2.9 2
Aug-12 2.0 2.90 2.98 2.90 0.67 1.03 3
Nov-12 3.2 3.05 3.11 3.10 1.03 1.00 4
Feb-13 4.1 3.18 3.29 3.29 1.25 1.00 5
May-13 3.4 3.40 3.45 3.49 0.99 0.99 6
Aug-13 2.9 3.50 3.64 3.68 0.80 0.99 7
Nov-13 3.6 3.78 3.91 3.88 0.92 1.01 8
Feb-14 5.2 4.05 4.08 4.08 1.28 1.00 9
May-14 4.5 4.10 4.21 4.27 1.07 0.99 10
Aug-14 3.1 4.33 4.44 4.47 0.70 0.99 11
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
 Nov-14 4.5 4.55 4.61 4.66 0.98 0.99 12
Feb-15 6.1 4.68 4.84 4.86 1.26 1.00 13
May-15 5.0 5.00 5.19 5.05 0.96 1.03 14
Aug-15 4.4 5.38 5.25 15
Nov-15 6.0 5.45 16

b. Look at the seasonal index for each quarter as calculated in ForecastX™. Do they make
sense to you? Explain why or why not.

ForecastX
Seasonal
Date SF Indices
Feb-12 1.27
May-12 1.01
Aug-12 0.67 0.73
Nov-12 1.03 0.98
Feb-13 1.25 1.27
May-13 0.99 1.01
Aug-13 0.80 0.73
Nov-13 0.92 0.98
Feb-14 1.28 1.27
May-14 1.07 1.01
Aug-14 0.70 0.73
Nov-14 0.98 0.98
Feb-15 1.26 1.27
May-15 0.96 1.01
Aug-15 0.73
Nov-15 0.98
For the three seasonal factors calculated for the first quarter (February) we have
1.25, 1.28 and 1.26. ForecastX calculates the seasonal index for February to be
1.27. This illustrates the consistency between manual calculations (in Excel) and
ForecastX. ForecastX calculates the average for each quarter and then normalizes
the results to add to four. If you add any four consecutive seasonal indices from
ForecastX you will find that they add to four. The other three seasonal indices are:
1.01, 0.73, and 0.98.
c. Make a forecast of the number of customers for each quarter of 2016.
The forecast is the product of CMAT*SI*CF as shown below. The cycle factors
(CF) were taken from ForecastX estimates.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 Date Customers CMAT SI Cf Forecast
Feb-16 ? 5.64 1.27 1.01 7.25
May-16 ? 5.84 1.01 1.01 5.98
Aug-16 ? 6.03 0.73 1.01 4.44
Nov-16 ? 6.23 0.98 1.01 6.19

d. The actual numbers of customers served per quarter in 2016 were 6.8, 5.1, 4.7, and 6.5
for
quarters 1 Absolute Absolute
through 4, Date Customers Forecast Error Error % Error
Feb-16 6.8 7.25 -0.45 0.45 6.64
May-16 5.1 5.98 -0.88 0.88 17.31
Aug-16 4.7 4.44 0.26 0.26 5.47
Nov-16 6.5 6.19 0.31 0.31 4.83
MAPE = 8.56

respectively (numbers are in hundreds). Calculate the MAPE for 2016.

e. Using the results provided in the tables produced by ForecastX™, prepare a time-series
plot of the actual data, the centered moving averages, the long-term trend, and the values
predicted by your model for 2012 through 2016 (where data are available).

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 Acual, CMA, CMAT & Forecast
8.00
6.00
4.00
2.00
0.00

Nov-2015
May-2012

Nov-2012

May-2013

Nov-2013

May-2014

Nov-2014

May-2015

May-2016

Nov-2016
Aug-2012

Aug-2013

Feb-2014

Aug-2014

Aug-2015

Aug-2016
Feb-2012

Feb-2013

Feb-2015

Feb-2016
Actual Centered Moving Average
CMA Trend Forecasted Data

10. Carl Lipke is the marketing VP for a propane gas distributor. He would like to have a
forecast of sales on a quarterly basis, and he has asked you to prepare a time-series
decomposition model. The data for 2005 through 2016 follow: (c6p10)

Propane Gas Sales in Millions of Pounds (Total at End-Month of Each Quarter)

Year March June September December

2005 6.44 4.85 4.67 5.77

2006 6.22 4.25 4.14 5.34

2007 6.07 4.36 4.07 5.84

2008 6.06 4.24 4.20 5.43

2009 6.56 4.25 3.92 5.26

2010 6.65 4.42 4.09 5.51

2011 6.61 4.25 3.98 5.55

2012 6.24 4.34 4.00 5.36

2013 6.40 3.84 3.53 4.74

2014 5.37 3.57 3.32 5.09

2015 6.03 3.98 3.57 4.92

2016 6.16 3.79 3.39 4.51

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
a. To help Carl Lipke see how propane gas sales have varied over the 12-year period,
prepare a time-series plot of the raw data and the deseasonalized data (i.e., the centered
moving averages).

Propane Gas Sales (Millions of

Pounds)
7
6
5
4
3
2
1
0

Mar-12
Mar-05
Sep-05
Mar-06
Sep-06
Mar-07
Sep-07
Mar-08
Sep-08
Mar-09
Sep-09
Mar-10
Sep-10
Mar-11
Sep-11

Sep-12
Mar-13
Sep-13
Mar-14
Sep-14
Mar-15
Sep-15
Mar-16
Sep-16
Sales Centered Moving Average

b. Use ForecastX™ to find seasonal indices for quarters 1 through 4. Write a short
paragraph in which you explain to Carl Lipke exactly what these indices mean.

Seasonal
Indices

1.27
0.85
0.80
1.09

The first quarter seasonal index of 1.27 tells Mr. Lipke that the first
quarter is a high quarter during which sales are typically 1.27 times the
quarterly average for the year. This quarter includes January February and
March which are the coldest months of the year so this result is quite
logical.
The second quarter of April, May and June may also see some cool
weather but the index of 0.85 tells us that this quarter is well below
average (about 85% of average). The same is true of the third quarter
which includes July, August and September. During the second and third
quarters the main demand would be for grilling and camping which would
require much less propane than for home heating.
In the months of October, November and December home heating demand
starts to build as indicated by the seasonal index of 1.09.
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
c. Plot the values of actual sales, the centered moving averages, and the trend. All of these
can be found in your ForecastX™ results.

Actual, Centered Moving Average and Trend

Values
7.00
6.00
5.00
4.00
3.00
2.00
1.00
0.00
Sep-2008

Sep-2016
Mar-2005
Sep-2005
Mar-2006
Sep-2006
Mar-2007
Sep-2007
Mar-2008

Mar-2009
Sep-2009
Mar-2010
Sep-2010
Mar-2011
Sep-2011
Mar-2012
Sep-2012
Mar-2013
Sep-2013
Mar-2014
Sep-2014
Mar-2015
Sep-2015
Mar-2016
Actual Sales Centered Moving Average CMA Trend

d. From ForecastX™, get a forecast for 2017Q1 through 2017Q4 based on the time-series
decomposition model. Enter your forecast values into an Excel sheet that you set up like
in the table shown below. Given the actual values shown in the table, calculate the mean
absolute percentage error (MAPE) for 2017.

Actual Forecast Absolute Absolute

Date Sales Sales Error Error % Error
Mar-17 5.39 5.72 -0.33 0.33 6.10
Jun-17 3.56 3.79 -0.23 0.23 6.43
Sep-17 3.03 3.58 -0.55 0.55 18.00
Dec-17 4.03 4.84 -0.81 0.81 20.04
MAPE = 12.64

Date Actual Sales Forecast Sales Error Absolute Error Absolute % Error

Mar-17 5.39

Jun-17 3.56

Sep-17 3.03

Dec-17 4.03

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 MAPE =

11. The Bechtal Tire Company (BTC) is a supplier of automotive tires for U.S. car companies.
BTC has hired you to analyze its sales. For this problem, do all the work in ForecastX™
and be sure to request the MAPE in the statistics tab. Data from 1995Q1 through 2016Q4
are given in the following table (in thousands of units): (c6p11)

Sales Sales Sales Sales Sales

of of of of of
Period Tires Period Tires Period Tires Period Tires Period Tires
Mar-95 2,029 Mar-00 1,752 Mar-05 2,155 Mar-10 1,994 Mar-14 1,914
Jun-95 2,347 Jun-00 2,138 Jun-05 2,231 Jun-10 2,251 Jun-14 2,076
Sep-95 1,926 Sep-00 1,927 Sep-05 1,971 Sep-10 1,855 Sep-14 1,787
Dec-95 2,162 Dec-00 1,546 Dec-05 1,875 Dec-10 1,852 Dec-14 1,763
Mar-96 1,783 Mar-01 1,506 Mar-06 1,850 Mar-11 2,042 Mar-15 1,707
Jun-96 2,190 Jun-01 1,709 Jun-06 1,551 Jun-11 2,273 Jun-15 2,019
Sep-96 1,656 Sep-01 1,734 Sep-06 1,515 Sep-11 2,218 Sep-15 1,898
Dec-96 1,491 Dec-01 2,002 Dec-06 1,666 Dec-11 1,672 Dec-15 1,454
Mar-97 1,974 Mar-02 2,025 Mar-07 1,733 Mar-12 1,898 Mar-16 1,706
Jun-97 2,276 Jun-02 2,376 Jun-07 1,576 Jun-12 2,242 Jun-16 1,878
Sep-97 1,987 Sep-02 1,970 Sep-07 1,618 Sep-12 2,247 Sep-16 1,752
Dec-97 2,425 Dec-02 2,122 Dec-07 1,282 Dec-12 1,827 Dec-16 1,560
Mar-98 2,064 Mar-03 2,128 Mar-08 1,401 Mar-13 1,669 Mar-17
Jun-98 2,517 Jun-03 2,538 Jun-08 1,535 Jun-13 1,973 Jun-17
Sep-98 2,147 Sep-03 2,081 Sep-08 1,327 Sep-13 1,878 Sep-17
Dec-98 2,524 Dec-03 2,223 Dec-08 1,494 Dec-13 1,561 Dec-17
Mar-99 2,451 Mar-04 2,027 Mar-09 1,456
Jun-99 2,718 Jun-04 2,727 Jun-09 1,876
Sep-99 2,229 Sep-04 2,140 Sep-09 1,646
Dec-99 2,190 Dec-04 2,270 Dec-09 1,813

a. Write a report to Bechtal Tire Company in which you explain what a time-series
decomposition analysis shows about its tire sales. Include in your discussion seasonal,
cyclical, and trend components.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 Sales of Tires
3,000

2,500

2,000

1,500

1,000

500

0
Mar-02
Mar-95
Mar-96
Mar-97
Mar-98
Mar-99
Mar-00
Mar-01

Mar-03
Mar-04
Mar-05
Mar-06
Mar-07
Mar-08
Mar-09
Mar-10
Mar-11
Mar-12
Mar-13
Mar-14
Mar-15
Mar-16
Trend and Cycle (CMA)
3,000
2,500
2,000
1,500
1,000
500
0
Mar-2002
Mar-1995
Mar-1996
Mar-1997
Mar-1998
Mar-1999
Mar-2000
Mar-2001

Mar-2003
Mar-2004
Mar-2005
Mar-2006
Mar-2007
Mar-2008
Mar-2009
Mar-2010
Mar-2011
Mar-2012
Mar-2013
Mar-2014
Mar-2015
Mar-2016

Centered Moving Average Trend

The top graph above allows us to see the clear seasonality in the data as shown by the
reasonably regular upward and downward movements of the series that repeat year after
year. Through analysis it turns out that the second quarter of each year (ending in June) is
the peak season for this companies tire sales. The seasonal indices are:
Seasonal
Indices
0.97
1.10
0.98
0.96
The lower graph shows that over this period there is a long term negative trend to sales as
indicated by the dashed line. The dotted line shows that sales are cyclical in nature with
wave like movement below and above the long term trend.
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
b. Show a time-series graph with the actual data and the values that the time-series
decomposition model would predict for each quarter from 1995Q1 through 2017Q4
(some data will be missing for certain historical quarters, and, of course for 2017, you
will have only the forecast values).

Actual and Forecasted Values

3,000
2,500
2,000
1,500
1,000
500
0
Mar-1995

Mar-1997
Mar-1996

Mar-1998
Mar-1999
Mar-2000
Mar-2001
Mar-2002
Mar-2003
Mar-2004
Mar-2005
Mar-2006
Mar-2007
Mar-2008
Mar-2009
Mar-2010
Mar-2011
Mar-2012
Mar-2013
Mar-2014
Mar-2015
Mar-2016
Mar-2017
Actual Forecasted

c. If actual sales for 2017 were Q1 = 1,445.1, Q2 = 1,683.8, Q3 = 1,586.6, and Q4 =

1,421.3, what MAPE would result from your 2017 forecast?

Absolute Absolute
Date Actual Forecast Error Error % Error
Mar-2017 1,445.10 1,650.21 -205.11 205.11 14.19
Jun-2017 1,683.80 1,871.53 -187.73 187.73 11.15
Sep-2017 1,586.60 1,662.02 -75.42 75.42 4.75
Dec-2017 1,421.30 1,626.48 -205.18 205.18 14.44
MAPE = 11.13
How does this MAPE compare to the MAPE ForecatsX™ calculated for the historic
period?

MAPE = 5.38%

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 The MAPE for the historic period from ForecastX is 5.38%. It is common for the
MAPE to be lower in sample (the historic period) than out of sample (the forecast
period).

12. A regional supplier of jet fuel is interested in forecasting its sales. These sales data are
shown for the period from 2002Q1 to 2017Q4 (data in billions of gallons):
(c6p12)
Jet Fuel Sales (Billions of Gallons)
Year Q1 Q2 Q3 Q4
2002 23.86 23.97 29.23 24.32
2003 23.89 26.84 29.36 26.30
2004 27.09 29.42 32.43 29.17
2005 28.86 32.10 34.82 30.48
2006 30.87 33.75 35.11 30.00
2007 29.95 32.63 36.78 32.34
2008 33.63 36.97 39.71 34.96
2009 35.78 38.59 42.96 39.27
2010 40.77 45.31 51.45 45.13
2011 48.13 50.35 56.73 48.83
2012 49.02 50.73 53.74 46.38
2013 46.32 51.65 52.73 47.45
2014 49.01 53.99 55.63 50.04
2015 54.77 56.89 57.82 53.30
2016 54.69 60.88 63.59 59.46
2017 61.59 68.75 71.33 64.88

a. Prepare a time series graph of these data. What, if any, seasonal pattern do you see in the
plot? Explain.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 Jet Fuel Sales (Billions of Gallons
80
70
60
50
40
30
20
10
0
Jul-03

Jul-05

Jul-07

Jul-09

Jul-11

Jul-13

Jul-15

Jul-17
Nov-02

Nov-04

Nov-06

Nov-08

Nov-10

Nov-12

Nov-14

Nov-16
Mar-02

Mar-04

Mar-06

Mar-08

Mar-10

Mar-12

Mar-14

Mar-16
The data show an upward trend and seasonality. There also appears to be a drop in
sales starting in late 2011 then sales pick up again starting in 2013.
b. Use ForecastX™ to make a time series decomposition (TSD) forecast for 2018. Write a
brief report explaining your forecast. Include a graph of the fitted values, the forecast
values, and the actual sales.

Jet Fuel Sales TSD Model

80
60
40
20
0
Nov-2002
Jul-2003

Nov-2004
Jul-2005

Nov-2006
Jul-2007

Nov-2008
Jul-2009

Nov-2010
Jul-2011

Nov-2012
Jul-2013

Nov-2014
Jul-2015

Nov-2016
Jul-2017

Nov-2018
Mar-2002

Mar-2004

Mar-2006

Mar-2008

Mar-2010

Mar-2012

Mar-2014

Mar-2016

Mar-2018

Actual Forecast Fitted Values

We see the forecast as a dotted line which appears reasonable given the historic data. The fitted
values and the actual values are very difficult to tell apart in the graph. This is often the case with
time series decomposition because the reality is the process breaks the components apart,
forecasts each component then puts them back together. In the process of making the fimal
forecast we have: Sales = Trendx SeasonalxCyclical = (CMAT)x(Sales/CMA)x(CMA/CMAT).
From this we have: (CMAT)x(Sales/CMA)x(CMA/CMAT) = Sales. The only deviations would
be the random (irregular) component, which often is quite small.
c. Develop two other forecasts of jet fuel sales using the following methods:

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 1. A Winters' exponential smoothing model;

Jet Fuel Sales: Winters' Model

90
80
70
60
50
40
30
20
10
0
Mar-2002

Mar-2003

Mar-2004

Mar-2005

Mar-2006

Mar-2007

Mar-2008

Mar-2009

Mar-2010

Mar-2011

Mar-2012

Mar-2013

Mar-2014

Mar-2015

Mar-2016

Mar-2017

Mar-2018
Sep-2002

Sep-2003

Sep-2004

Sep-2005

Sep-2006

Sep-2007

Sep-2008

Sep-2009

Sep-2010

Sep-2011

Sep-2012

Sep-2013

Sep-2014

Sep-2015

Sep-2016

Sep-2017

Sep-2018
Actual Forecast Fitted Values

2. A regression model using just time and quarterly dummy variables.

Jet Fuel Sales: Regression Model

80
70
60
50
40
30
20
10
0
Oct-2002

Feb-2005

Apr-2006

Oct-2009

Feb-2012

Apr-2013

Oct-2016
Jul-2004

Nov-2006

Nov-2013
Mar-2002

May-2003

Jun-2007
Jan-2008

Jul-2011
Mar-2009

May-2010

Jun-2014
Jan-2015

Jul-2018
Mar-2016

May-2017
Sep-2005

Sep-2012
Aug-2008

Aug-2015
Dec-2003

Dec-2010

Dec-2017
Actual Forecast Fitted Values

Compare the MAPEs for the three models you have developed, and comment on what you like
or dislike about each of the three models for this application.

TSD MAPE = 1.34%

Winters' MAPE = 2.67%

Regression MAPE = 5.05%

The time series decomposition model has the lowest in sample MAPE but that can be an
unreliable measure due to the way the model works. The out of sample MAPE for TSD
can often deteriorate quite a bit due to the difficulty of predicting the cycle factor. All
things considered many would say the Winters’ model is probably the best to use in this
case.
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
13. The following table contains quarterly data on Upper Midwest car sales (CS) in thousands
for 1996Q1 through 2016Q4:

Upper Midwest Car Sales (CS) (c6p13)

Year Q1 Q2 Q3 Q4
1996 407.6 431.5 441.6 306.2
1997 328.7 381.3 422.6 369.4
1998 456.3 624.3 557.5 436.7
1999 485.0 564.3 538.3 412.5
2000 555.0 682.7 581.3 509.7
2001 662.7 591.1 616.9 529.7
2002 641.2 632.7 576.6 475.0
2003 542.8 558.9 581.7 537.8
2004 588.1 626.5 590.9 580.1
2005 589.2 643.2 593.9 612.2
2006 586.1 699.4 734.4 753.8
2007 691.6 793.4 864.9 840.8
2008 653.9 754.8 883.6 797.7
2009 722.2 788.6 769.9 725.5
2010 629.3 738.6 732.0 598.8
2011 603.9 653.6 606.1 539.7
2012 461.3 548.0 548.4 480.4
2013 476.6 528.2 480.4 452.6
2014 407.2 498.5 474.3 403.7
2015 418.6 470.2 470.7 375.7
2016 371.1 425.5 397.3 313.5

a. Prepare a time-series plot of Upper Midwest car sales from 1996Q1 through 2016Q4.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
 Upper Midwest Car Sales (000)
1000
900
800
700
600
500
400
300
200
100
0
Nov-99

Jul-03

Jul-14
Jun-04
May-05
Apr-06

Jun-15
Aug-02

Nov-10

May-16
Dec-09

Aug-13
Mar-96
Feb-97
Jan-98
Dec-98

Sep-01

Mar-07
Feb-08
Jan-09

Sep-12
Oct-00

Oct-11
b. Use ForecastX™ to do a time-series decomposition forecast for 2017 (be sure to request
the MAPE). In the results, you see the seasonal indices. Do they make sense? Why or
why not?

Upper Midwest Car Sales (000)

1,000
800
600
400
200
0
Jun-1998

Jun-2001

Jun-2004

Jun-2007

Jun-2010

Jun-2013

Jun-2016
Mar-1996

Sep-1997

Mar-1999

Sep-2000

Mar-2002

Sep-2003

Mar-2005

Sep-2006

Mar-2008

Sep-2009

Mar-2011

Sep-2012

Mar-2014

Sep-2015

Mar-2017
Dec-1996

Dec-1999

Dec-2002

Dec-2005

Dec-2008

Dec-2011

Dec-2014

Dec-2017

Actual Forecast Fitted Values

The MAPE for this model during the historic period is 5.03%.

Quarter
Ending Seasonal
Month Indices
March 0.95
June 1.07
September 1.05
December 0.93
Spring and summer months are typically strong months for car sales. Part of this may be due to
new car releases as well as the desire to have a new vehicle for summer vacations.
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
c. ForecastX™ calculated the historic MAPE as a measure of fit. Write a short explanation
of what this MAPE means to a manager.
This MAPE tells a manager how well the model fit the historic data in a manner
that can be compared with national norms or with other industries. Positive errors
are not offset by negative ones because the absolute value of errors are used in the
calculation.
d. Now calculate the MAPE for the 2017Q1–2017Q4 forecast horizon as a measure of
accuracy, given that the actual values of CS for 2017 were:

2017Q1 301.1

2017Q2 336.7

2017Q3 341.8

2017Q4 293.5

Absolute Absolute
Date Actual Predicted Error Error % Error
Mar-17 301.1 380.13 -79.03 79.03 26.25
Jun-17 336.7 427.98 -91.28 91.28 27.11
Sep-17 341.8 424.65 -82.85 82.85 24.24
Dec-17 293.5 372.51 -79.01 79.01 26.92
MAPE = 26.13

e. Prepare a Winters’ exponential smoothing forecast of CS using data from 1996Q1

through 2016Q4 as the basis for a forecast of 2017Q1–2017Q4. Compare these results in
terms of fit and accuracy with the results from the time-series decomposition forecast.
The MAPE for this model during the historic period is 6.87% compared
with 5.03% for the time series decomposition model. This is “fit.”

Absolute Absolute
Date Actual Predicted Error Error % Error
Mar-17 301.1 333.44 -32.34 32.34 10.74
Jun-17 336.7 387.74 -51.04 51.04 15.16
Sep-17 341.8 374.49 -32.69 32.69 9.57
Dec-17 293.5 313.50 -20.00 20.00 6.81
Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution
without the prior written consent of McGraw-Hill Education.
 MAPE = 10.57
However, we see that for the forecast period the MAPE for the Holt
Winters model is better, given how ForecastX predicted the cycle factor
for 2017. These MAPEs measure “accuracy.”
.

Copyright © 2019 McGraw-Hill Education. All rights reserved. No reproduction or distribution

without the prior written consent of McGraw-Hill Education.
Random documents with unrelated
content Scribd suggests to you:
Wellicht bracht daar de kleur der bloemen ook het hare aan toe. De blauwe
bloem heeft van oudsher iets bij anderen voor. Zou het zijn wijl zij het
hemelsblauw schijnt te weerspiegelen, of om haar gelijkenis met
menschelijke oogen? Ik durf het niet te zeggen. Doch als gij eene blonde
bruid mocht hebben, ga dan den eersten mooien lentezondag de beste, met
haar naar het bosch om maagdepalm of vinkoorde te zoeken; en zoo gij die
vindt, vlecht er haar dan een krans van. Misschien, zal die haar heil
aanbrengen. Maar zeker zal hij mooi staan bij het goud of lichtbruin van
haar haren. En zij zou al heel koel of nuffig moeten wezen, als zij niet iets
voelde voor die teedere gave.

1 Ik verzoek HH. botanisten zeer vriendelijk, om zoo spoedig mogelijk een paar goede
woorden uit te willen vinden, waarmede het karakter van één- en twee-zaadlobbige planten
in volwassen toestand uitgedrukt wordt; zoodat men niet telkens, om het sterksprekend
onderscheid tusschen deze beide afdeelingen van het plantenrijk aan te duiden, zeer
omslachtig tot de ontkiemingsperiode van iederen boom behoeft terug te gaan! ↑
IX.
 TULPEN.
Meester Linnaeus heeft eens, half als spel der fantazie, half als zeer
gewaagde poging om, langs een esthetischen weg, tot eene natuurlijke
rangschikking der planten te geraken, een standen-verdeeling van de
„Ingezetenen des Plantenrijks” beproefd. In deze teekenachtige indeeling,
die op naïeve wijs den stempel van haar tijd draagt, en in onze
demokratisch-wetenschappelijke eeuw, om meer dan eene reden, met een
glimlach ontvangen zou worden, noemde hij:

„De P a l m e n , Vorsten, (uitmuntende door hunne ontzaglijke hoogte en

ongetakt blijvenden stam, die met altoos groenend loof gekroond is).

„De k r u i d e n d e s Ve l d s , (een jaarlijksch gewas uitmakende van

velerlei gestalte), de Edelen.

„De B o o m e n , die de bosschen uitmaken, de Staten. (Men vindt ze

omringd door hunne dienaars en beschut door een wacht van Soldaten,
namelijk die d o o r n a c h t i g e gewassen, welke zich dikwijls om de
stammen en takken strengelen. Ook ontbreekt het hun niet aan
Tafelschuimers, namelijk de w o e k e r p l a n t e n .)

„De G r a s p l a n t e n , het Landvolk (de kracht en steun des Rijks, die, hoe
meer zij besnoeid en vertreden worden, des te meer in getal toenemen.)

„De Va r e n s , Werklieden (die ’t zaad op den rug dragen).

„De M o s s e n , Slaven (met geschubd loof en huikjes op het hoofd; die

schraal zijn en honger lijden, moetende zich behelpen op plaatsen, welke
voor de anderen ongeschikt zijn.)

„De W i e r e n , Duikelaars, (bijna ongekleed, zonder optooisel of

fraaiheid.)
„De P a d d e s t o e l e n , het Uitschot des Rijks, (dat zich niet toelegt dan op
stelen en rooven. Zij komen in den herfst te voorschijn, dus als ’t ware in
den nacht, als de anderen slapen).”

Op dit tooneel nu figureeren de B o l p l a n t e n als „Hovelingen, pralende

met heerlijke statiekleederen, om tot glorie van het Rijk te strekken.”—
Fraai uitgedost zijn zij, dat is zeker, al die schitterende Leliën en Tulpen,
Ixia’s en Narcissen, al die prachtige soorten van Gladiolus, Haemanthus,
Amaryllis, al die bevallige Scilla’s, Frittellaria’s en Cyclamens. En ondanks
hun rijkdom van verscheidenheid, hebben deze allen een sterksprekend
gemeenschappelijk karakter.

Is er, wel bekeken, niet iets zeer zonderlings in die schijndoode bollen,
waarin het leven van een plant zich tijdelijk terugtrekt, alsof ’t in een
zaadkorrel ware? Die zich laat drogen, verzenden, op allerlei wijzen
besnoeien; en waaruit dan, met behulp van een weinigje vochtige aarde,—
(Hyacinthen en Crocussen groeien reeds alleen in water, en Colchicums
hebben zelfs deze laatste voorwaarde niet noodig,)—de bladrozet en
bloemsteel ontspruiten, welke daarin maanden lang als kiem, zonder
merkbare ontwikkeling, opgesloten lagen!

De bladvorm heeft bij allen een sterken familietrek: lange lint- of

zwaardvormige bladeren, met gladde kanten, en overlangsche nerven,
zonder eenig spoor van dwars- of schuinsliggende adertjes: in één woord,
gras in ’t grof. Hoe al wat bollen draagt ook boven den grond overeenkomst
heeft, bewijst het voorbeeld van de uien; het zou mij niet verwonderen, als
iemand bij vergissing een tulpenbol en een chalotte omruilde, en het blad
van eene zoogenaamde zee-uie zou men gemakkelijk voor een tulpenblad
kunnen doen doorgaan.

Wat de bloemen aangaat, deze stemmen allen overeen in onveranderlijke

voorliefde voor het getal drie; (ik zou lust hebben ze, in plaats van
Hovelingen, Vrijmetselaars te noemen). Ziet de tweemaal-drie blaadjes der
Sneeuwklokjes, de zes slippen van een Hyacinthen-nagel, de sierlijke
driehoekigheid der groote witte Irissen, die zwanen onder de bloemen! Ook
de inwendige organen doen mede aan dien regel van drieën. Overal vindt
gij, indien de bloem normaal (niet gevuld) is, drie of zes meeldraden, en
drie vruchtbeginseltjes; of één driehoekig, zooals in Tulpen.

De hoorn des overvloeds, verborgen in den onuitputtelijken zak van den

Goed-Heilig-Man, strooit tegenwoordig, reeds eer nog de dagen op hun
kortst zijn, een schat van vroege tulpen in de huizen uit; en wel van eene
soort, die de oude grief,—dat zij „wel pronken, maar niet geuren,”—het
volkomenst logenstraft: de welriekende „ducjes” (Duc van Toll.) Het zijn
bescheiden tulpjes, althans wat haar omvang aangaat, maar overigens in ’t
oogloopend genoeg door hare kleuren: rood, goud, zwart—(de duitsche
rijksvlag, of indien ge liever wilt, de belgische, zooals zij b.v. het lachende
Spa, op feestelijke dagen, met een stroom van verguldsel, gloeiend, maar
juist niet zeer bescheiden pleegt te tooien!). De zes geel-roode
bloembladen, duidelijk te onderscheiden in drie buitensten en drie
binnensten, houden langen tijd hun puntjes samen toegedraaid; als zij zich
tenslotte openen, verschijnt ook het zwarte deel, de zes meeldraden met
hunne langwerpige knoppen. In hun midden staat de gerimpelde stempel
onmiddellijk, zonder stijl, op het driekantig vruchtbeginseltje, dat dikwijls
reeds gedurende den bloei der bloem vrij wat in grootte toeneemt. Ingeval
zij dubbel of gevuld zijn, leveren deze bloemen een niet onaardig voorbeeld
op van het vergroeien van meeldraden tot bloembladen. Halfwassen
blaadjes, verbasterde meeldraden, en dingetjes, waarvan men niet recht
weet of men ze tot dezen of tot genen zal rekenen, vindt men daarin dan bij
menigte.

Thans is de tijd gekomen, dat zij op den kouden grond bloeien; en een
aantal liefhebbers vermeien zich in ’t schouwspel dat „de bollenlanden”
rondom Haarlem en elders te zien geven. Veler smaak intusschen voelt zich
daartoe in het geheel niet aangetrokken. Zij vinden weinig moois aan
„zoo’n bloemenfabriek”, en vergelijken de met vierkante vakken van roode,
witte, gele, bonte tulpen prijkende akkers bij het droogveld van een
ververij. In zeker opzicht hebben zij daar groot gelijk aan; maar er valt dan
ook van een „fabriek” niet anders te verwachten, dan dat zij hare in
bewerking zijnde waren zoo doelmatig mogelijk rangschikt, en de orde bij
het planten en rooien hooger acht dan de bevalligheid der schikking
gedurende den bloei. Mij echter hindert het, als ik diezelfde stijfheid,
schrilheid, onbehaaglijkheid die in de schikking op de bollenvelden
heerscht, terugvind in parken en tuinen, waar er geene verontschuldigende
reden voor bestaat, waar zij louter „voor het mooi” geplant zijn, en waar
dus alles moest gedaan worden om ze bevallig te doen uitkomen.

Een zeer dankbare wijze van tulpen te schikken, en ze in hooge mate te

„flatteeren”, leerde ik een paar jaar geleden van het toeval. In een rond
bloemperk van anderhalven meter middellijn, had een knecht, zonder er
veel bij te denken, een mand vol gezonde bollen uitgeplant. Er stonden
daarin echter ook—van boven geheel afgestorven—drie planten van de
welbekende reusachtige Beerenklauw (Heracleum giganteum). Toen nu in ’t
volgend jaar de tulpen—het waren geen zeer vroegen—gingen groeien,
begonnen ook de Berenklauwen teekenen van leven te geven, en tegen dat
de eersten aan bloeien toe kwamen, waren de bladeren van de laatsten juist
groot genoeg om er sierlijk mede af te wisselen, zonder ze te veel te
overschaduwen. Telkens kwam er een geknopte bloemsteel tusschen de
fraai ingesneden lobben van de bladeren doorkijken; het heldergroene loof
der tulpen hing daar onder en daar over heen, terwijl de witte, licht- en
donkerroode tulpen zelven er schitterend boven uit staken. Dat sommigen
den zonneschijn met wat meer moeite zoeken moesten dan de anderen, deed
ze een weinig hooger opschieten; en daardoor werd van zelf reeds de
eentonigheid gebroken, aan de meeste bollenperken eigen. Het geheel was
in één woord zóó teekenachtig, èn wat lijnen èn wat kleuren aangaat, en het
deed zoozeer denken aan de schoonheid die een tulp in haar natuurlijke
omgeving—ik meen, in haar vaderland—hoogst waarschijnlijk zal hebben,
dat het verdiende als model te worden aangegrepen door elk, wiens smaak
een weinig dieper gaat dan de zeer vlakke mode, en die gevoelt dat er in
tuinen, zal men er waarlijk wil van hebben, iets anders met de bloemen
dient gedaan te worden dan in kweekerijen.
X.
 HEI! ’T WAS IN DE MEI!
De Mei is in het land!

Ik heb dikwijls hooren zeggen, dat de Meimaand zeker achteruit gaat, en in

vroeger eeuwen hier te lande veel schooner moet geweest zijn dan heden;
daar anders onze voorouders niet zooveel werk gemaakt hadden van hunne
Mei-verheerlijking, die ons thans maar al te dikwijls, bij de kachel, de
schouders doet ophalen. De liederen van „de zoete Meie,”

„..............een kus,
Dien de zon geeft aan de aarde,”

klinken bijna als eene bespotting van de hedendaagsche pinksterstormen.

Het kan waar wezen, dat de geleerden gelijk hebben, die in ijsverplaatsing
in de poolstreek een oorzaak zien van eene telkens vermeerderende
afkoeling van ons klimaat. Maar er is zeker nog een andere, meer
geestelijke reden voor die klachten. De vroegere geslachten, of liever de
traditioneele volksgeest, welke die legenden en die liederen schiep, was in
zeker opzicht veel wijzer dan wij zijn; hij mat het Meigenot niet naar de
hoeveelheid, maar naar de hoegrootheid. Wij tellen, angstig en bekrompen,
de schoone dagen, avonden, halfuren, die de Mei ons aanbrengt. Is dat
genot te tellen, of te meten? ’t Is een prozaïsch, een huisbakken element, dat
ooit eenige weelde—welke ook—naar hoeveelheid berekent! Ons beter
deel,—de dichter in ons,—weet wel anders. Hij weet dat daar geen sprake is
van tijd, maar van diepte; niet van langer of korter, maar van een min of
meer machtigen indruk. En of de Mei nu drie- of viermaal heeft geglimlacht
in zijn 31 dagen, doet er weinig of niets toe, mits elk onzer slechts één
oogenblik dien lach heeft weten op te vangen, zóó dat hij ons door merg en
been, door ziel en zinnen heendrong,—zóó dat nog maanden achteraan onze
verbeelding tintelt bij de herinnering, en ons hart opengaat bij het hooren
van het ééne woord: Lente!
De vaderen plachten hunne Meifeesten te vieren; en de overlevering brengt
verhalen van de vreugd die daar gesmaakt werd, welke ons, indien zij ons
toevallig in een opgewekte stemming treffen, jaloersch maakt dat wij daar
niet bij geweest zijn. Zou dan toen altijd de zon geschenen hebben op die
landelijke danspartijen, en de lucht zoel geweest zijn juist op den 1sten of
den 21sten Mei, en de noordoostewind de takken op de Meiwagens ontzien
hebben? Soms wel, soms niet: ten naastenbij als tegenwoordig. Maar het
feest was eenmaal dààr; en verreweg de meeste feestgenooten waren sterk
van huid en zenuwen; en de hartstocht der werkelijkheid was niet altijd zoo
wakker in hen, of onder al het nieuwe wat op zoo’n dag hun fantazie
beheerschte, vergaten zij gemakkelijk den ouden regen of de maar al te wel
bekende zeevlam. Zij vonden die niet eens de moeite waard om op te
merken;... gelijk dit alles dikwijls nog gaat bij dergelijke feestelijkheden;
maar dan doorgaans bij een ander publiek, dan ’t geen mij de eer aandoet
om deze mijne schetsjes te lezen!

Doch ook voor den meest verfijnden negentiende-eeuwer zijn Meifeesten

weggelegd,—even plechtig als men ’t zich van Druïden-priesters, even jolig
als men ’t zich van middeleeuwsche poorters voorstelt. Mits hij zelf bereid
zij, zal het Meiweer wel komen! Maar het komt onverwachts. Somtijds
springt het over de grenzen en komt in April of in Juni: ook die gril moet
men nemen zooals ’t valt.

Heden is het gekomen. Ik kan niet nalaten, aan uw venster te kloppen. Ruim
uw werk op en ga mêe. Er zullen gure dagen genoeg aanbreken, waarop ge
kunt lezen, schrijven, boekhouden, visites doen, schoonmaken of naaien.
Een dag als deze is zoo goed als een heiligendag.

Waar wilt gij heen? Kies slechts. De Mei heeft alles met een waas van
schoonheid overtogen,—zelfs de kaalste velden en de leelijkste moerassen,
—maar toch: er zijn bevoorrechte plekjes. Begin eens ginds aan den
stadswal, waar ’t leven van natuur en maatschappij elkander zoo naief
ontmoeten: waar kleine kinderen met gras en jonge lindeblaadjes spelen, en
opgeschoten meisjes al schrobbend zingen, met de lijsters om het hardst. Of
ga wat verder, waar gij ’t oog hebt op de tuinen in den omtrek, waar de
hagedoorns bloeien, en waaruit u nu de ééne, straks een andere geur te
gemoet komt, die u doet denken aan,—ja aan....? Gij weet het zelf niet...—
zeker aan een vroegeren Mei.—Of wel, waag u eens even aan den
waterkant, en verdiep u in het duizendvoudig leven, dat daar tiert en
wemelt: kruipend, zwemmend, vliegend. Of begeef u in het beukenbosch,
waar nog wel lang niet alles volop groen is, maar waar sommige voorlijke
takken u ieder jaar op nieuw verbaasd doen staan over hunne voorlijkheid,
en u, in sierlijk stilzwijgen, het antwoord schuldig blijven op de vraag:
waarom zij zooveel vroeger in blad staan dan de anderen?

Moet ik nu, zooals gewoonlijk, iets vertellen van de bloemen, die wij
gaandeweg vinden? Och toe! neem heden liever zelf het woord, en vertel gij
mij. Vertel mij van alles en alles en nog wat; van hetgeen u op een dag als
dezen voor den geest komt. Vertel mij van u zelven; van hetgeen er in u
omgaat. Het is zoo onderhoudend, een mensch bij te wonen in zijn volle
oprechtheid, hem zijn geest binnenste buiten te zien keeren; en het moet
raar loopen, als wij niet een beetje sympathie hebben voor hetgeen wij dan
te hooren krijgen. Vertel mij wat gij voelt en denkt, hetzij vroolijk of
treurig: ik—in elk geval slechts in verbeelding bij u—ben een veilige
vertrouwde. Vertel mij van uw jeugd, uw kindsheid; van uw doen en laten,
uw vreugden en teleurstellingen, uwe plannen, uwe wenschen, uw hoop.
Zoek ongestoord de woorden om u zoo juist mogelijk uit te drukken: ik heb
geduld, ik luister. En als gij ze niet langer vinden kunt,—welnu, dan voel ik
met u mee, hoe wenschelijk het is om altijd nog een overschotje van
bewustzijn te hebben, boven dat uit, wat zich reeds als denkbeeld weêr laat
geven. Maakt u de Mei bewegelijk of stil? Stemt zij u tot juichen, als om
strijd met de vinken; of dringt zij u terug in u zelven? Bezielt zij u
onmiddellijk met denzelfden drang tot werkzaamheid en leven, die u uit
alles te gemoet stroomt; of vervult zij u met weemoed over onbereikbare
dingen? Beiden zijn begrijpelijk; in beiden kan een schat van levenslust en
van ontwikkeling besloten liggen. Met beiden zou ik u geluk wenschen.
Voor beiden heeft Mei raad. Die raad—ik meen wijding voor de
opgewektheid, ontspanning voor den weemoed—lag van oudsher in
samenstemming met de edelste, beminnelijkste aller fantazieën, ooit aan de
dichterziel der menschheid ontsproten: dankbaarheid jegens een verborgen
Maker, die de lente en hem die haar liefheeft, naast elkander voortbracht.
Verheug u, zoo de tooveresse Mei u doet meedoen aan die „goddelijke
dwaasheid”, die hoogste geestelijke weelde!

Dat ik ondertusschen ook een weinig met de boomen gepraat heb, heeft
volstrekt geen afbreuk gedaan aan mijn aandacht voor u. Gij vraagt wat ik
in de hand heb? Bloemen van het seizoen: een bloeiend eschdoorntakje......
XI
 EEN ENGELSCH LANDSCHAP.
„H. M. de Koningin zal overmorgen haar kasteel te Windsor betrekken, en
aldaar eenige weken vertoeven.”

Als ik dit berichtje in de eene of andere courant lees, zie ik reeds in

verbeelding de vlag van den ronden toren wapperen (het welbekende teeken
van H. M.’s tegenwoordigheid op het kasteel), en breidt zich eensklaps het
gansche schoone panorama rondom Windsor in al zijn heerlijkheid voor
mijne oogen uit.

Het kasteel te Windsor is een geheel eigenaardig gebouw. Velen onzer

hebben waarschijnlijk wel hier of daar oude kasteelen gezien, maar dan
waren die doorgaans òf tot bouwvallen afgebrokkeld, òf tot gevangenis,
wapenhuis of iets dergelijks gedegradeerd. Een oud versterkt slot echter,
zoo geheel in zijn middeleeuwsch karakter bewaard, en nochtans zoo goed
onderhouden en keurig ingericht, als voor de woonplaats van een der
voornaamste europeesche hoven van onzen tijd betaamt, vindt men niet
licht ergens anders dan te Windsor.

Gedurende de afwezigheid der koningin, mogen reizigers voor eenige

fooien de staatsiezalen en een gedeelte van het terras bezoeken, en kan men,
door hier en daar een blik te werpen in de meubileering der andere
gedeelten, zich verdiepen in de tegenstelling tusschen het strenge uiterlijk
dezer grijze veste, en het inwendig comfort van H. M.’s vertrekken. Zoodra
het hof te Windsor verblijf houdt, is natuurlijk de vergunning tot dergelijke
kijkjes zeer ingekrompen; maar m. i. wordt dit ruimschoots opgewogen
door de meerdere levendigheid en bedrijvigheid die dan in het geheele
plaatsje heerscht. Het is dan bijzonder aardig, om van den hoogen „ronden
toren”, dien men ten allen tijde mag beklimmen, op de ruime binnenplaats
neer te zien, de vuren in de bewoonde appartementen te zien flikkeren, de
warmte der schoorsteenen te voelen, hofrijtuigen en voorrijders af en aan te
zien rijden, in één woord een blik te slaan in het groote huishouden
beneden.
Maar van dat standpunt is meer genot te smaken, dan wat sommigen
misschien onbescheiden, anderen vrij onbelangrijk zouden kunnen noemen.
Van den bewusten toren geniet men een der schoonste vergezichten die zich
laten denken. Windsor ligt op eenige weinige mijlen afstands van de
buitenwijken van Londen,—een afstand die jaarlijks vermindert, naarmate
de hoofdstad zich uitbreidt; maar tot nog toe is er genoeg tusschenruimte
gebleven, om hier al het liefelijke van eene landelijke omgeving over te
laten. De omstreken van Londen zijn onuitsprekelijk aanvallig. De
eigenaardige schoonheid van het engelsche landschap leent er zich geheel
toe, om rondom de hoofdstad haar toppunt te bereiken. Wat toch is die
schoonheid? Niet in de eerste plaats iets wilds en grootsch, zooals in de
minder sterk bewoonde gedeelten van Europa’s vasteland; oorspronkelijke
wouden vindt men bijna niet in Engeland, en de bergachtigste gedeelten zijn
meestal de beruchte mijndistrikten, door de fabrieksnijverheid van alle
natuurschoon beroofd. Wat ons in Engeland aantrekt, is het gezellige,
parkachtige, dat het aanzien van zijn beste landstreken kenmerkt, en
waardoor geheele graafschappen, met inbegrip van hunnen landbouw, hun
dorpen en hunne heerlijke buitenverblijven, als naar één samenhangend
plan schijnen te zijn aangelegd. Als men goed kijkt, spelen drie dingen
daarbij eene hoofdrol. Vooreerst de natuurlijke zachte glooiing der
terreinen; bijna overal beweegt men zich tusschen heuvelen en dalen, niet
hoog en diep genoeg om eenigerlei storing in het verkeer te weeg te
brengen, of den gezichteinder te benauwen, en toch sterksprekend genoeg
om den eentonigen indruk eener vlakte te voorkomen. Ten tweede het
prachtige gras, dat den bodem tot een groen tapijt maakt; klimaat en kunst
werken in dit opzicht samen: zoowel de weiden als de gazons der parken
hebben hier den hoogsten graad van volkomenheid bereikt. En ten derde: de
houtcultuur. Mogen in Engeland groote bosschen ontbreken, nergens wordt
zoo goed als daar werk gemaakt van het kweeken van boomen, met name
van alleenstaande boomen. Wij, wij hebben onze lanen, onze grootere en
kleinere boomen, onze zoo- en- zooveel kubiekmeters akkermaalshout:
maar prachtexemplaren van iepen, eiken, eschdoorns en kastanjes, zooals
men die in Engeland pleegt aan te treffen, vindt men hier slechts hoogst
zelden. Men is er bij ons, zoowel als in Duitschland en Frankrijk, al te
weinig op bedacht een boom zóó te planten, dat hij, onbelemmerd, naar alle
kanten uit kan groeien en zijn grootsten omvang bereiken: één blik op
eenige engelsche landschap-gravures kan ons toonen hoezeer wij daarin bij
de Engelschen ten achteren zijn. Dit een en ander kenschetst het
karakteristieke van hun landschappen. En indien men dan ten overvloede
een rivier als de Theems in het oog krijgt, niet breed, maar allersierlijkst
kronkelend.... Waarlijk de „country” rondom Londen is verrukkelijk; en aan
ieder die de groote stad bezoekt, kunnen wij een toertje naar Windsor, als
proefje daarvan, aanbevelen. Natuurlijk is dit het aangenaamst in „het
schoone jaargetijde”; maar door den overvloed van wintergroen, waarop
steeds het oog kan rusten, voelt men zich daar ook vroeg in ’t voorjaar, laat
in ’t najaar, ja zelfs in het hartje van den winter recht behaaglijk. ’t Is
inderdaad merkwaardig, hoeveel prachtige ceders en naaldboomen er
prijken op de grasvelden der parken; hoeveel hulst, ligusters en eene
eindelooze verscheidenheid van groenblijvende boomen en heesters, (tot
groenblijvende eiken toe), men in de tuinen vindt; en welk een schat van
fijnuitgepunte klimop daar hangt, kruipt, zweeft, klimt en guirlanden vormt
langs allerhande muren, boomen, hekken, huizen en heggen, „Ivy lodges”
en „—cottages”. Natuurlijk hangt deze liefhebberij samen met de gewoonte
van de engelsche aristocratie, om bij voorkeur den winter op het land door
te brengen, en is zij vandaar gaande weg naar de lagere standen afgezakt.

Het stadje Windsor zelf, waarop onze blik telkens onwillekeurig terug zakt,
levert niet veel bijzonders op, dan in zoover het ons een duidelijk voorbeeld
geeft, hoe in de middeleeuwen de meeste, later groot geworden, steden zich
gevormd hebben, nl. in een halven cirkel aan den voet van een kasteel. Het
mag nauwelijks den naam van stad dragen. Een kleine marktplaats, een
winkel- en hotelstraat, welks ronding die van den muur van het slot volgt,
laten een niet onaangenamen indruk na. Wie een kerk wil bezoeken, late
zich de slotkapel binnenleiden; en lette daar vooral op het schoone
witmarmeren praalgraf van Prinses Charlotte (eerste gemalin van koning
Leopold I van België).—Maar vlak tegenover Windsor, door een fraaie
Theemsbrug daarmede verbonden, ligt het niet veel grootere stadje Eton; en
evenals te Windsor het kasteel, maakt te Eton het wereldberoemde college
het middelpunt van het verkeer uit. Hebben niet, sinds verscheidene
geslachten, alle Britten van rang en geboorte, hebben niet, (want menigeen
denkt misschien daaraan het eerst) alle mogelijke helden van engelsche
romans, voor zoover die in de hoogere kringen spelen, mitsgaders de
schrijvers zelven dier romans te Eton school gelegen? Te midden dezer
eigenaardig engelsche omgeving wekte die onverwachte aanblik duizend
gedachten bij mij op. Ik rustte niet, eer ik de poort van het gesticht was
ingetreden, en in de zalen rond mocht dwalen. Het is een in ons oog
eenigszins kloosterachtig gebouw, zooals trouwens alle engelsche colleges;
maar ruim, indrukwekkend en niet zonder strenge weelde. Ik kon niet laten,
om tusschen de half uitgesleten letters en krassen, in de eikenhouten
paneelen en trapleuningen, naar beroemde namen te zoeken. Het was
zaterdag middag; de kweekelingen, Eton-boys, zooals zij in de wandeling
genoemd worden, liepen aan groepjes door den omtrek te praten en te
spelen, kenbaar aan hun zwart kostuum met hooge hoeden en groote witte
boorden en dassen... Zouden er weer aanstaande groote mannen onder
schuilen?
XII.
 IN DEN BLOEIENDEN BOOMGAARD.
Reeds vroeg in ’t jaar, tegelijk met boschanemonen en muurbloemen en
welriekende viooltjes, bloeide de Pyrus Japonica. ’t Was het sieraad van de
buurt, die welige drie voet hooge leiboom in zijn schitterend rood Maart-
kleedje. Beschut tegen den noordenwind, en volop de voorjaarszon
genietende, wijdde hij het schoone jaargetijde in, alsof er van geen
kladsneeuw en geen nachtvorst meer sprake kon wezen. En menigeen
vergastte dagelijks de oogen op zijn gloed, te treffender in dat seizoen der
zachte tinten.—Dat het een peer- of een appelboom is, valt spoedig in het
oog, al ziet men er hier in ’t land zelden vruchten aan groeien. Is de
bloesem niet juist appelbloesem in het donkerrood? Zijn het niet dezelfde
vijf ronde kroonblaadjes, dezelfde talrijke gele meeldraden, dezelfde
duidelijk voel- en zichtbare vruchtbeginseltjes onder de bloem? Doet ook
niet het loof aan pereblaadjes denken? Heeft niet het bloempje, ondanks de
sierlijkheid van het met groen en bloemen bekleede geheel, in zijn bouw
datzelfde stokkerige, hoekige karakter, dat, zal men de verlakte werkdoozen
en theeblaadjes gelooven, een hoofdkenmerk van de japansche Flora
uitmaakt? Die bloemen, zonder steeltjes, stijf opeendrongen op de knoopen
der takken,—een plaag voor ieder, die er een bouquet van wenscht te
maken,—hebt gij ze niet vaak teruggevonden op japansch porselein? Op
een prijscourant van peren vond ik den naam „Ya-lo-ala”: zou dat misschien
de vrucht zijn, die dit soort van appelboomen in hun vaderland draagt?

Thans is de beurt aan onze inlandsche vruchtboomen. De perenboomen zijn

reeds „als met een wit laken overdekt”; en hun eigenaars worden geslingerd
tusschen welbehagen over dat rijke gezicht, en angst voor ieder
oostenwindje dat vorst of „zwarte vlieg” zou kunnen aanbrengen. (Tusschen
twee haakjes zij gezegd, dat deze bête noire geen „vlieg” is, maar een
kevertje.) En nog een dag of tien, en ’t zachte rood der appelbloesems zal,
voorlooper van ’t later rood der rozen, aan duizend tuinen een feestelijk,
echt lenteachtig aanzien geven.
Er is in de laatste twintig jaren heel wat voorgevallen in de pomologische
wereld;—ja, lezer, ook een wereld op zich zelve, zoo goed als de „groote”,
de parlementaire, de letterkundige, en andere afzonderlijke werelden!—
Denk aan de pereboomen in de boomgaarden van onze boerderijen: echte
knoestige boomen, met stammen en kronen, waaronder menschen
rondloopen en kinderen spelen, en schapen aan een lijntje grazen kunnen.
Denk aan de appelboomen, zooals zij in Duitschland langs de wegen
geplant zijn, om den wandelaar een schijn van lommer, en den pachter op
den koop toe een oogstje te bezorgen, en die mevrouw De Stael, bij hare
komst „en Allemagne”, vervulden met een grenzenloozen eerbied voor de
eerlijkheid der Duitschers, toen zij hoorde dat het grootste deel der vruchten
daaraan wezenlijk bleef hangen tot het rijp was!—En denk dan aan de
„snoeren en palmetten”, de „spiraal- en vleugel-piramiden”; in één woord
aan die zonderlinge waaiers en ladders en rechthoekige figuren, zooals de
heer de Beucker ze invoerde, boompjes welke meer aan Araucaria- of
Cactusvormen, dan aan hunne eigene eenvoudige stamgenooten herinneren.

„En kies tusschen het oude en het nieuwe,” had ik er haast bijgevoegd. Als
wij echter de zaak in het aangezicht kijken, valt er niet veel te kiezen.
Leelijk is die nieuwe snoeimanier. Doch daar men nu eenmaal
vruchtboomen niet voornamelijk om „het mooi” kweekt, maar om de
vruchten; en de „beredeneerde kweekwijze”, omdat zij wezenlijk
onmiddellijk op natuurfeiten berust, op de grootte en de fijnheid van die
vruchten waarlijk gunstig werkt, valt daartegen niets afdoends meer in te
brengen. Wie voortaan eigen appelen en peren eten wil, kieze uit de
honderden op eene prijslijst voorkomende nummers die, waarvan hij den
geurigen smaak heeft ondervonden, of wel enkelen waarvan de namen hem
bijzonder prikkelen, (als daar zijn: Adams pearmain; Beefsteak; Newtons
pippin; Weissbrod; Calville d’Eve; Républicain; Drie torenpeer; Napoleon-
Bon-Chrétien; Curé Belle Héloise; Pie IX; Saint-Michel-Archange!) en ik
wensch hem voorspoed op zijne plantage.

Maar wie ééns in het jaar, ééns in de ééne veertien dagen gedurende welke
een appel- of pereboom schoon is, waarlijk al de weelde van den teêren
bloesem wil genieten, die brenge—waar hij ze slechts weet te vinden, al is
het op een schamel erfje, tusschen schuttingen en bleekveldjes—een visite