Pertanyaan yang diberi tag «forecasting»

Misalkan saya membuat banyak ramalan probabilistik seperti: 70% probabilitas bahwa pertumbuhan penjualan akan menjadi 10-15% pada Q1, probabilitas 10% bahwa pertumbuhan penjualan akan> 15%, probabilitas 20% bahwa pertumbuhan penjualan akan <10% Mengingat data aktual, apa cara terbaik untuk mengukur atau melacak akurasi saya? Skor penghalang? Dan dapatkah saya meratakan skor …

8 forecasting  scoring-rules 

Saya mencoba memperkirakan Poissondata, dibagi dalam grup 1-26 months of data, tergantung pada grup. Dari data yang dikumpulkan 65% has a value of 0dan 25% a value of 1. Saya tidak dapat menemukan tren atau musim, jadi saya mulai menguji beberapa model stationairy berbeda. Moving average (3), Moving Average (6), …

8 time-series  forecasting  count-data  prediction-interval  intermittent-time-series 

Saya mencoba untuk menulis tesis sarjana di mana saya menguji kekuatan prediksi model ekonometrik yang diberikan pada serangkaian waktu keuangan tertentu. Saya butuh nasihat tentang bagaimana saya harus melakukan ini. Untuk memasukkan masalah ke dalam konteks, saya memiliki ekonometrika yang dipelajari sendiri; satu-satunya kursus saya mengambil subjek berhenti menggali model-model …

8 time-series  forecasting  econometrics  arima  garch 

Saya mendapat pertanyaan tentang pemodelan seri waktu dalam R. data saya terdiri dari matriks berikut: 1 0.03333333 0.01111111 0.9555556 2 0.03810624 0.02309469 0.9387991 3 0.00000000 0.03846154 0.9615385 4 0.03776683 0.03119869 0.9310345 5 0.06606607 0.01201201 0.9219219 6 0.03900325 0.02058505 0.9404117 7 0.03125000 0.01562500 0.9531250 8 0.00000000 0.00000000 1.0000000 9 0.04927885 0.01802885 …

8 r  time-series  forecasting  compositional-data 

Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, 15.3750000002237, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Saya memiliki beberapa data intermiten. Berdasarkan data tersebut, saya ingin membandingkan beberapa metode peramalan (Penghalusan Eksponensial, Moving Average, Croston, dan Syntetos-Boylan), dan memutuskan apakah Croston atau Syntetos Boylan lebih baik daripada SES atau MA untuk data berselang atau tidak. Ukuran yang ingin saya bandingkan adalah Mean Absolute Rate atau Mean …

8 forecasting  method-comparison  crostons-method  intermittent-time-series 

Bagaimana seseorang dapat secara objektif (membaca "algoritmik") memilih model yang tepat untuk melakukan regresi linear kuadrat-sederhana dengan dua variabel? Sebagai contoh, katakanlah data tampaknya menunjukkan tren kuadratik, dan parabola dihasilkan yang cocok dengan data dengan cukup baik. Bagaimana kita membenarkan membuat regresi ini? Atau bagaimana kita menghilangkan kemungkinan ada model …

8 regression  forecasting  model-selection  prediction 

Ada beberapa metode untuk membuat perkiraan deret waktu yang sama (mis. Holt-Winters, ARIMA, ...). Namun saat ini saya sedang mengerjakan set data spasi tidak beraturan berikut, yang memiliki jumlah titik data yang bervariasi per tahun dan tidak ada interval waktu reguler antara titik-titik tersebut: Plot: Sampel Data: structure(list(date = structure(c(664239600, …

8 r  time-series  forecasting  unevenly-spaced-time-series 

Saya menggunakan metode arima paket statistik R dengan deret waktu 17376 elemen saya. Tujuan saya adalah untuk mendapatkan nilai kriteria AIC, saya amati dalam tes pertama saya ini: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > ts$coef ar1 ar2 ma1 …

8 r  time-series  forecasting  arima 

Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel respon. Tetapi dataset pelatihan berisi sekitar 3 juta baris, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Saya memiliki satu set data cuaca harian, yang memiliki, efek musiman sangat kuat, tidak mengejutkan. Saya mengadaptasi model ARIMA ke kumpulan data ini menggunakan fungsi auto.arima dari paket perkiraan. Yang mengejutkan saya, fungsi ini tidak menerapkan operasi musiman - perbedaan musiman, komponen musiman atau komponen. Berikut adalah model yang diperkirakan: …

8 r  time-series  forecasting  arima  arma 

Dalam peramalan deret waktu menggunakan berbagai model seperti AR, MA, ARMA, dll, kami biasanya fokus pada pemodelan data dalam perubahan waktu. Tetapi ketika kita memiliki 2 seri waktu yang menunjukkan koefisien korelasi Pearson mereka sangat berkorelasi, apakah mungkin untuk memodelkan nilai ketergantungan dan perkiraan mereka satu dari yang lain? Misalnya, …

8 time-series  correlation  forecasting  var 

Menggunakan paket ramalan yang sangat baik oleh Rob Hyndman, saya menemukan perlunya tidak hanya memiliki interval prediksi, tetapi untuk mensimulasikan sejumlah jalur masa depan, mengingat pengamatan masa lalu dari serangkaian waktu dengan musiman kompleks. Ada sesuatu untuk deret waktu yang kurang kompleks dengan satu atau dua musiman saja (simulate.ets () …

8 r  time-series  forecasting  simulation  tbats 

Metode yang Diusulkan: Diberikan seri waktu xixix_i, Saya ingin menghitung rata - rata bergerak tertimbang dengan jendela rata - rata NNN poin, di mana pembobotan mendukung nilai yang lebih baru daripada nilai yang lebih lama. Dalam memilih bobot, saya menggunakan fakta yang umum bahwa deret geometri konvergen menjadi 1, yaitu …

8 time-series  forecasting  algorithms  weighted-mean 

Saya ingin meramalkan deret waktu non-stasioner, yang melibatkan beberapa asumsi a-priori penting setelah mempelajari contoh-contoh deret tersebut. Saya telah membangun fungsi distribusi probabilitas satu titik rata-rata waktu yang diperkirakan oleh distribusi normal. Dari sudut pandang ini, saya ingin perkiraan tidak melebihi ini ketika . Dengan kata lain, varian harus dibatasi.hal^( …

8 time-series  forecasting  arima