Statystyki i duże zbiory danych forecasting

3

AIC a walidacja krzyżowa w szeregach czasowych: przypadek małej próbki

Interesuje mnie wybór modelu w ustawieniach szeregów czasowych. Dla konkretności załóżmy, że chcę wybrać model ARMA z puli modeli ARMA o różnych rzędach opóźnień. Ostatecznym celem jest prognozowanie . Wyboru modelu można dokonać za pomocą krzyżowa walidacja, stosowanie kryteriów informacyjnych (AIC, BIC), wśród innych metod. Rob J. Hyndman zapewnia sposób …

23 time-series forecasting cross-validation model-selection aic

1

Jak rozłożyć szereg czasowy z wieloma składnikami sezonowymi?

Mam szereg czasowy, który zawiera podwójne składniki sezonowe i chciałbym rozłożyć szereg na następujące składniki szeregu czasowego (trend, składnik sezonowy 1, składnik sezonowy 2 i składnik nieregularny). O ile mi wiadomo, procedura STL do dekompozycji serii w R dopuszcza tylko jeden komponent sezonowy, więc próbowałem dekomponować serię dwa razy. Po …

22 r time-series forecasting decomposition multiple-seasonalities

2

Interpretacja średniego bezwzględnego błędu skalowanego (MASE)

Średni bezwzględny błąd skali (MASE) to miara dokładności prognozy zaproponowana przez Koehlera i Hyndmana (2006) . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} gdzie jest średnim błędem bezwzględnym spowodowanym faktyczną prognozą; podczas gdy jest średnim błędem bezwzględnym generowanym przez naiwną prognozę (np. prognoza braku zmian dla zintegrowanego szeregu czasowego ), obliczoną na podstawie danych …

22 time-series forecasting accuracy mase

1

Jak przewidzieć wartości na podstawie nowych danych wejściowych modelu liniowego w R?

Zablokowana . To pytanie i odpowiedzi są zablokowane, ponieważ pytanie jest nie na temat, ale ma znaczenie historyczne. Obecnie nie akceptuje nowych odpowiedzi ani interakcji. I utworzeniu modelu liniowego w R: mod = lm(train_y ~ train_x). Chcę przekazać mu listę X i uzyskać jej przewidywaną / szacunkową / prognozowaną Y. …

21 r forecasting linear-model

6

Czy mój meteorolog jest dokładny?

Pytanie, które martwiło mnie przez jakiś czas, na które nie wiem jak odpowiedzieć: Każdego dnia mój meteorolog daje procentową szansę na deszcz (załóżmy, że obliczono go na 9000 cyfr i nigdy nie powtórzył żadnej liczby). Każdego dnia pada albo nie pada. Mam lata danych - procent szans względem deszczu czy …

20 hypothesis-testing forecasting

2

Dlaczego minimalizacja MAE prowadzi do prognozowania mediany, a nie średniej?

Z podręcznika Prognozowanie: Zasady i praktyka autorstwa Roba J Hyndmana i George'a Athanasopoulosa , w szczególności rozdziału dotyczącego pomiaru dokładności : Metoda prognozy, która minimalizuje MAE, doprowadzi do prognoz mediany, a minimalizacja RMSE doprowadzi do prognoz średniej Czy ktoś może podać intuicyjne wyjaśnienie, dlaczego minimalizacja MAE prowadzi do prognozowania mediany, …

20 forecasting mean median rms mae

3

Jak stwierdzić, czy dziewczyna może powiedzieć przyszłość (tj. Przewidzieć zapasy)?

Moja dziewczyna niedawno dostała pracę w sprzedaży i handlu w dużym banku. Zainspirowana jej nową pracą wierzy, że jest w stanie przewidzieć, czy zapasy wzrosną, czy spadną pod koniec miesiąca większe niż przypadek (wierzy, że może to zrobić nawet z 80% dokładnością!) Jestem bardzo sceptyczny. Umówiliśmy się na eksperyment, w …

19 probability forecasting finance

3

Jak możemy ocenić dokładność prognoz Nate Silver?

Po pierwsze, podaje prawdopodobieństwo wyników. Na przykład jego prognozy dotyczące wyborów w USA wynoszą obecnie 82% Clintona vs. 18% Trumpa. Teraz, nawet jeśli Trump wygra, to skąd mam wiedzieć, że nie tylko 18% czasu powinien wygrać? Innym problemem jest to, że jego prawdopodobieństwo zmienia się w czasie. Tak więc 31 …

19 forecasting prediction validation accuracy scoring-rules

3

Jak korzystać z DLM z filtrowaniem Kalmana do prognozowania

Czy ktoś mógłby poprowadzić mnie przez przykład użycia filtrowania DLM Kalmana w R w szeregach czasowych. Powiedzmy, że mam te wartości (wartości kwartalne z roczną sezonowością); jak użyłbyś DLM do przewidywania kolejnych wartości? A tak przy okazji, czy mam wystarczającą ilość danych historycznych (co jest minimum)? 89 2009Q1 82 2009Q2 …

19 r time-series forecasting

2

Metodologia prognozowania VAR

Buduję model VAR do prognozowania ceny aktywów i chciałbym wiedzieć, czy moja metoda jest statystycznie solidna, czy testy, które podałem, są odpowiednie i czy potrzebne są dalsze, aby zapewnić wiarygodną prognozę na podstawie moich zmiennych wejściowych. Poniżej znajduje się mój bieżący proces sprawdzania przyczynowości Grangera i prognozowania wybranego modelu VAR. …

19 r forecasting modeling var

1

Paradoks w wyborze modelu (AIC, BIC, aby wyjaśnić lub przewidzieć?)

Po przeczytaniu książki Galit Shmueli „Wyjaśnić lub przewidzieć” (2010) zastanawia mnie pozorna sprzeczność. Istnieją trzy przesłanki, AIC - wybór modelu na podstawie BIC (koniec str. 300 - początek str. 301): po prostu, AIC powinien być używany do wybierania modelu przeznaczonego do przewidywania, podczas gdy BIC powinien być używany do wybierania …

18 forecasting model-selection feature-selection aic bic

1

, Symulacja w okresie prognozy

Mam dane szeregów czasowych i użyłem jako modelu do dopasowania danych. jest wskaźnikiem zmienną losową, która jest albo 0 (gdy nie widzę rzadkie zdarzenie) lub 1 (gdy widzę rzadkie zjawisko). W oparciu o wcześniejsze obserwacje, które mam dla , mogę opracować model dla przy użyciu metodologii łańcucha Markowa o zmiennej …

18 time-series forecasting simulation

1

Krokowy AIC - czy wokół tego tematu istnieją kontrowersje?

Przeczytałem niezliczoną liczbę postów na tej stronie, które są niezwykle przeciwne stosowaniu stopniowego wyboru zmiennych przy użyciu dowolnego kryterium, niezależnie od tego, czy będzie to oparte na wartościach p, AIC, BIC itp. Rozumiem, dlaczego te procedury są ogólnie dość kiepskie w doborze zmiennych. Prawdopodobnie słynny post Gunga jasno ilustruje dlaczego; …

17 forecasting predictive-models arima aic stepwise-regression

5

Czy czyszczenie danych może pogorszyć wyniki analizy statystycznej?

Wzrost liczby zachorowań i zgonów występuje podczas epidemii (nagły wzrost liczby) z powodu krążenia wirusów (jak wirus Zachodniego Nilu w USA w 2002 r.) Lub zmniejszającej się odporności ludzi lub zanieczyszczenia żywności lub wody lub wzrostu liczby komary. Epidemie te będą występować jako wartości odstające, które mogą wystąpić co 1–5 …

17 time-series forecasting epidemiology outliers

2

Czy można zautomatyzować prognozowanie szeregów czasowych?

Chciałbym zbudować algorytm, który byłby w stanie analizować dowolne szeregi czasowe i „automatycznie” wybierać najlepszą tradycyjną / statystyczną metodę prognozowania (i jej parametry) dla analizowanych danych szeregów czasowych. Czy można by zrobić coś takiego? Jeśli tak, czy możesz dać mi kilka wskazówek, jak można do tego podejść?

17 time-series forecasting python

Pytania otagowane jako forecasting