Statistiche e Big Data forecasting

1

Quando utilizzare il livellamento esponenziale vs ARIMA?

Di recente ho aggiornato le mie conoscenze di previsione mentre lavoravo ad alcune previsioni mensili sul lavoro e leggevo il libro di Rob Hyndman, ma l'unico posto in cui sto lottando è quando usare un modello di livellamento esponenziale rispetto a un modello ARIMA. Esiste una regola empirica in cui …

12 forecasting arima exponential-smoothing

3

Sviluppo di un modello di serie temporale appropriato per prevedere le vendite in base al record del mese scorso

Gestisco un'azienda online da due anni consecutivi, quindi ho i miei dati di vendita mensili da circa due anni. La mia attività per ogni mese è sicuramente influenzata dallo swing stagionale (prestazioni migliori a Natale, ecc.) E probabilmente da altri fattori di cui non sono a conoscenza. Al fine di …

12 time-series forecasting

2

Previsione di serie temporali orarie con periodicità giornaliera, settimanale e annuale

Importante modifica: vorrei ringraziare fino in fondo Dave e Nick per le loro risposte. La buona notizia è che ho fatto funzionare il ciclo (principio preso in prestito dal post del Prof. Hydnman sulla previsione in lotti). Per consolidare le query in sospeso: a) Come faccio ad aumentare il numero …

12 forecasting arima predictor seasonality multiple-seasonalities

1

Analisi dei fattori dinamici rispetto al modello dello spazio degli stati

Il pacchetto MARSS in R offre la funzione per l'analisi dei fattori dinamici. In questo pacchetto, il modello di fattore dinamico è scritto come una forma speciale di modello di spazio degli stati e presuppongono che le tendenze comuni seguano il processo AR (1). Poiché non ho molta familiarità con …

12 r time-series forecasting factor-analysis state-space-models

2

I modelli di serie temporali con differenza di registro sono migliori dei tassi di crescita?

Spesso vedo gli autori stimare un modello di "differenza log", ad es log( yt) - registro( yt - 1) = log( yt/ yt - 1) = α + βXtlog⁡(yt)-log⁡(yt-1)=log⁡(yt/yt-1)=α+βXt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Sono d'accordo che questo sia appropriato per relazione con una variazione percentuale in …

12 time-series forecasting data-transformation econometrics logarithm

3

Come gestisco i dati inesistenti o mancanti?

Ho provato un metodo di previsione e voglio verificare se il mio metodo è corretto o meno. Il mio studio sta confrontando diversi tipi di fondi comuni di investimento. Voglio utilizzare l'indice GCC come punto di riferimento per uno di essi, ma il problema è che l'indice GCC si è …

12 time-series forecasting missing-data

1

Quando devo smettere di cercare un modello?

Sto cercando un modello tra i prezzi dell'energia e il tempo. Ho il prezzo del MWatt acquistato tra i paesi d'Europa e molti valori sul tempo (file Grib). Ogni ora per un periodo di 5 anni (2011-2015). Prezzo / giorno Questo è al giorno per un anno. Ho questo per …

11 time-series forecasting predictive-models modeling large-data

1

Cosa devo fare quando i valori di AIC sono bassi e approssimativamente uguali?

Chris Chatfield, di cui mi sono divertito a leggere molti libri e articoli di qualità, in (1) offre i seguenti consigli: Ad esempio, la scelta tra i modelli di serie temporali ARIMA con valori bassi e approssimativamente uguali dell'AIC dovrebbe probabilmente essere fatta, non su quale capiti per dare il …

11 forecasting model-selection arima aic

1

R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?

Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

1

Adeguamenti alla previsione (regressione lineare)

Divulgazione completa: non sono uno statistico, né pretendo di esserlo. Sono un modesto amministratore IT. Per favore, sii gentile con me. :) Sono responsabile della raccolta e della previsione dell'utilizzo dell'archiviazione su disco per la nostra azienda. Raccogliamo il nostro utilizzo dello storage mensilmente e utilizziamo una semplice regressione lineare …

11 regression forecasting adjustment

4

Valutare le previsioni delle serie storiche

Supponiamo di avere poco più di 20.000 serie temporali mensili che vanno dal gennaio 2005 al dicembre 11. Ognuno di questi rappresenta i dati di vendita globali per un prodotto diverso. E se invece di calcolare le previsioni per ognuno di loro, volessi concentrarmi solo su un numero limitato di …

11 time-series forecasting forecastability

1

A cosa si riferisce il termine "sparse prior" (FBProphet Paper)?

Leggendo l'articolo "Previsioni su scala" (strumento di previsione di FBProphet, vedi https://peerj.com/preprints/3190.pdf ) mi sono imbattuto nel termine "sparse prior". Gli autori spiegano che stavano usando un simile "precedente rado" per modellare un vettore di deviazioni di velocità da una certa frequenza scalare , che è un parametro del modello …

11 regression bayesian forecasting

5

Come correggere gli outlier una volta rilevati per la previsione dei dati delle serie temporali?

Sto cercando di trovare un modo per correggere i valori anomali una volta che li trovo / li rilevo nei dati delle serie temporali. Alcuni metodi, come nnetar in R, forniscono alcuni errori per le serie temporali con valori anomali grandi / grandi. Sono già riuscito a correggere i valori …

10 time-series forecasting outliers winsorizing

1

Interpretazione della decomposizione di serie storiche utilizzando TBATS dal pacchetto di previsione R.

Vorrei scomporre i seguenti dati delle serie temporali in componenti stagionali, di tendenza e residui. I dati sono un profilo di energia di raffreddamento oraria da un edificio commerciale: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Esistono quindi evidenti effetti stagionali giornalieri e settimanali basati sul consiglio di: Come scomporre una …

10 r time-series forecasting multiple-seasonalities tbats

1

Regressione della foresta casuale per la previsione di serie storiche

Sto tentando di utilizzare la regressione RF per fare previsioni sulle prestazioni di una cartiera. Ho dati minuto per minuto per gli input (velocità e quantità di pasta di legno in entrata ecc.), Nonché per le prestazioni della macchina (carta prodotta, potenza assorbita dalla macchina) e sto cercando di fare …

10 time-series forecasting cross-validation random-forest autoregressive

Domande taggate «forecasting»