Perguntas com a marcação «forecasting»

Faria sentido exagerar um modelo de propósito? Digamos que eu tenha um caso de uso em que eu saiba que os dados não variarão muito em relação aos dados de treinamento. Estou pensando aqui na previsão de tráfego, em que o status do tráfego segue um conjunto fixo de padrões …

8 machine-learning  time-series  forecasting  prediction  overfitting 

Recentemente, deparei com um artigo fascinante sobre a previsão de retornos futuros do mercado de ações. O autor apresenta o gráfico abaixo e cita um R ^ 2 de 0,913. Isso tornaria o método do autor muito superior a qualquer coisa que eu já vi sobre o assunto (a maioria …

8 machine-learning  time-series  forecasting  predictive-models 

Suponha que eu faça um monte de previsões probabilísticas como: 70% de probabilidade de que o crescimento das vendas seja de 10 a 15% no primeiro trimestre, 10% de probabilidade de que o crescimento de vendas seja> 15%, 20% de probabilidade de que o crescimento de vendas seja <10% Dados …

8 forecasting  scoring-rules 

Estou tentando prever Poissondados, divididos em grupos, de 1-26 months of data, dependendo do grupo. Dos dados agrupados 65% has a value of 0e 25% a value of 1. Não encontrei nenhuma tendência ou sazonalidade, então comecei a testar alguns modelos diferentes de papelaria. Moving average (3), Moving Average (6), …

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

A arimaxfunção no TSApacote é, até onde sei, o único Rpacote que se encaixará em uma função de transferência para modelos de intervenção. Falta uma função de previsão, que às vezes é necessária. A seguir, uma solução alternativa para esse problema, aproveitando o excelente forecastpacote? Os intervalos preditivos estarão corretos? …

8 r  time-series  forecasting  arima  intervention-analysis 

Estou tentando escrever uma tese de graduação em que testo o poder preditivo de um determinado modelo econométrico em uma determinada série temporal financeira. Preciso de alguns conselhos sobre como devo fazer isso. Para colocar as questões em contexto, tenho principalmente econometria auto-estudada; o único caminho que tomei sobre o …

8 time-series  forecasting  econometrics  arima  garch 

Eu tenho uma pergunta sobre modelagem de séries temporais em R. meus dados consistem na seguinte matriz: 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 …

8 r  time-series  forecasting  compositional-data 

Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: 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, …

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 

Eu tenho vários dados intermitentes. Com base nesses dados, eu gostaria de comparar vários métodos de previsão (Suavização exponencial, Média móvel, Croston e Syntetos-Boylan) e decidir se Croston ou Syntetos Boylan é melhor que SES ou MA para dados intermitentes ou não. A medida que eu gostaria de comparar é …

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

Como alguém pode objetivamente (ler "algoritmicamente") selecionar um modelo apropriado para fazer uma regressão linear de mínimos quadrados simples com duas variáveis? Por exemplo, digamos que os dados pareçam mostrar uma tendência quadrática e é gerada uma parábola que se ajusta muito bem aos dados. Como justificamos fazer dessa regressão? …

8 regression  forecasting  model-selection  prediction 

Existem vários métodos para fazer previsões de séries temporais equidistantes (por exemplo, Holt-Winters, ARIMA, ...). No entanto, atualmente estou trabalhando no seguinte conjunto de dados espaçados irregulares, que possui uma quantidade variável de pontos de dados por ano e sem intervalos regulares entre esses pontos: Sinopse: Dados da amostra: structure(list(date …

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

Estou usando o método arima do pacote de estatísticas R com minha série temporal de 17376 elementos. Meu objetivo é obter o valor do critério AIC, observei no meu primeiro teste isso: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > …

8 r  time-series  forecasting  arima 

Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis ​​(id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly spendé a …

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 

Eu tenho um conjunto de dados meteorológicos diários, que surpreendentemente tem um efeito sazonal muito forte. Adaptei um modelo ARIMA a esse conjunto de dados usando a função auto.arima do pacote de previsão. Para minha surpresa, a função não aplica operações sazonais - diferencial sazonal, componentes sazonais ar ou ma. …

8 r  time-series  forecasting  arima  arma 

Na previsão de séries temporais usando vários modelos como AR, MA, ARMA, etc, geralmente focamos na modelagem dos dados na mudança de tempo. Mas quando temos duas séries temporais em que o coeficiente de correlação de Pearson mostra que elas são altamente correlacionadas, é possível modelar a dependência e os …

8 time-series  correlation  forecasting  var