Model paling sederhana adalah regresi linier. Anda dapat memplot data Anda menggunakan ggplot:
#for reproducing
set.seed(200)
#simple example. Assume your data is simple binomial variable with probability 0.3
data <- data.frame(time = 1:200, val=sample(c(0,1), size = 200, replace = T, prob = c(0.3, 0.7)))
#plot using ggplot and add linear regression and confidence interval
ggplot(data, aes(x = time, y=val)) + geom_smooth(method=lm) +geom_point()
#Now we can try to create linear regression
y = data$time
x = data$val
fitData <- lm(x ~ y)
predict(fitData, newdata = data.frame(y=201:224), interval="confidence")
Ini adalah model paling sederhana, ada model non-linear lainnya, yang mungkin lebih cocok dengan data Anda. Juga, ingatlah bahwa Anda mungkin harus menggunakan log tanggal, agar lebih bugar. Pada regresi non-linear seperti regresi polinomial Anda dapat membaca banyak di sini
Sekarang, ini membutuhkan analisis tambahan, tetapi penting untuk memastikan apakah acara Anda independen. Ada kemungkinan, bahwa ada semacam variabel pengganggu yang mungkin tidak Anda pertanggungjawabkan. Anda mungkin ingin melihat regresi linear Bayesian (mengingat Anda memperoleh lebih banyak dimensi daripada hanya waktu dan nilai ya / tidak) di sini