Perguntas com a marcação «forecasting»

enquanto passo para a previsão com os modelos ARIMA, estou tentando entender como posso melhorar uma previsão com base no ajuste do ARIMA à sazonalidade e à deriva. Meus dados são as seguintes séries temporais (mais de 3 anos, com clara tendência ascendente e sazonalidade visível, o que parece não …

9 r  time-series  forecasting  arima  seasonality 

Eu sou iniciante em R. Você poderia explicar como usar ses no pacote de previsão de previsão R ? Eu gostaria de escolher o número de períodos iniciais e a constante de suavização. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) Tenho 70 períodos, gostaria de usar 40 períodos para o inicial e 30 para …

9 r  time-series  forecasting 

Suponha que eu tenha uma amostra de frequências de 4 eventos possíveis: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e tenho as probabilidades esperadas de meus eventos ocorrerem: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Com a soma das frequências …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Como não podemos ajustar o modelo ARIMA quando a suposição de variação constante é violada, qual modelo pode ser usado para ajustar séries temporais univariadas?

9 time-series  modeling  forecasting  arima 

Eu ajustei o modelo ARIMA (5,1,2) usando a auto.arima()função em R e, observando a ordem, podemos dizer que este não é o melhor modelo para prever. Se existirem outliers na série de dados, qual é o método para ajustar um modelo a esses dados?

9 r  time-series  forecasting  outliers  arima 

Isso deve ocorrer --- a previsão de coisas que estão presas entre 0 e 1. Na minha série, eu suspeito que um componente de auto-regressão e também um componente de reversão de média, então eu quero algo que possa interpretar como um ARIMA - mas não quero que ele atinja …

9 time-series  forecasting  logistic  arima  beta-regression 

Os seguintes enxertos são retirados deste artigo . Eu sou novato no bootstrap e estou tentando implementar o bootstrap paramétrico, semiparamétrico e não paramétrico para o modelo misto linear com o R bootpacote. Código R Aqui está o meu Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Como um passatempo paralelo, tenho explorado séries temporais de previsão (em particular, usando R). Para os meus dados, tenho o número de visitas por dia, para todos os dias, voltando quase quatro anos. Nestes dados, existem alguns padrões distintos: De segunda a sexta tem muitas visitas (a mais alta de …

9 r  time-series  seasonality  forecasting 

Introdução Na combinação de previsões, uma das soluções populares é baseada na aplicação de algum critério de informação. Tomando por exemplo o critério Akaike estimado para o modelo , pode-se calcular as diferenças de de e, em seguida, RP_j = e ^ {(AIC ^ * - AIC_j) / 2} podem …

9 time-series  forecasting  data-transformation  econometrics 

Não estou familiarizado com a análise de dados de séries temporais. No entanto, tenho o que considero uma tarefa simples de previsão a ser abordada. Eu tenho cerca de cinco anos de dados de um processo de geração comum. Cada ano representa uma função monotonicamente crescente com um componente não …

9 time-series  forecasting 

Estou tentando criar um modelo de previsão de regressão de séries temporais para uma variável de resultado, em valor em dólares, em termos de outros preditores / variáveis ​​de entrada e erros correlacionados automaticamente. Esse tipo de modelo também é chamado de modelo de regressão dinâmica. Preciso aprender a identificar …

9 time-series  forecasting  dynamic-regression 

Atualmente, estou trabalhando em uma tarefa de previsão de demanda, com dados de dezenas de milhares de produtos em algumas milhares de lojas. Mais especificamente, tenho alguns anos de dados diários de vendas por produto em cada loja, e meu objetivo é prever as vendas futuras de cada item em …

9 time-series  forecasting  predictive-models 

Eu gostaria de usar uma Rede Neural para prever séries temporais financeiras. Sou formado em TI e tenho algum conhecimento de redes neurais e tenho lido sobre isso: TDNN RNN Eu tenho procurado por pacotes R para eles e só encontrei um para RNN, o pacote RSNNS que tem implementações …

9 time-series  forecasting  neural-networks  finance 

Eu tenho lidado com o seguinte problema. Eu tenho uma espécie de sistema de tempo real e, a cada período de tempo, leio seu valor atual, criando uma série temporal (como 1, 12, 2, 3, 5, 9, 1, ...). Gostaria de conhecer métodos (estatística e aprendizado de máquina) para prever …

9 time-series  machine-learning  online  forecasting 

Antes de tudo, percebo que minha pergunta é muito ampla e que pode ser difícil responder a essa pergunta por causa disso. Você tem algum conselho sobre como abordar um 'problema' em que precisa fazer previsões / previsões para mais de 2000 produtos diferentes? Em outras palavras, cada produto requer …

9 time-series  forecasting  segmentation