¿Cómo predecir cuándo ocurre el próximo evento, en función de los tiempos de eventos anteriores?


19

Soy estudiante de secundaria y estoy trabajando en un proyecto de programación de computadoras, pero no tengo mucha experiencia en estadísticas y datos de modelado más allá de un curso de estadística de secundaria, así que estoy un poco confundido.

Básicamente, tengo una lista razonablemente grande (supongo que es lo suficientemente grande como para cumplir con los supuestos de cualquier prueba o medida estadística) de veces que alguien decidió imprimir un documento. Con base en esta lista, me gustaría construir un modelo estadístico de algún tipo que prediga el momento más probable para el próximo trabajo de impresión dados todos los tiempos de eventos anteriores.

Ya he leído esto , pero las respuestas no ayudan exactamente con lo que tengo en mente para mi proyecto. Investigué un poco más y descubrí que un modelo oculto de Markov probablemente me permitiría hacerlo con precisión, pero no puedo encontrar un enlace sobre cómo generar un modelo oculto de Markov usando solo una lista de veces. También descubrí que usar un filtro de Kalman en la lista puede ser útil, pero básicamente, me gustaría obtener más información al respecto de alguien que realmente los haya usado y conozca sus limitaciones y requisitos antes de intentar algo y esperar que funcione.

¡Gracias un montón!


1
+1 Esta es una pregunta bien articulada y bien pensada, Ankush. Espero que obtengas buenas respuestas. ¡Bienvenido a nuestro sitio!
whuber

Gracias por arreglar el título. Estaba moviendo las palabras para tratar de hacer las cosas más coherentes y creo que terminé haciendo que no tuviera ningún sentido. Esperemos que alguien con el conocimiento apropiado pueda ayudar.
ankushg

Respuestas:


10

Los modelos ocultos de Markov se aplicarían si los datos fueran emisiones aleatorias de algún modelo subyacente de Markov no observado; No lo descartaría, pero no parece un modelo muy natural.

Pensaría en procesos puntuales , que coincidan bien con sus datos particulares. Hay mucho trabajo para predecir los terremotos (aunque no sé mucho al respecto) e incluso la delincuencia .

Si hay muchas personas diferentes imprimiendo, y solo está viendo los tiempos pero no las identidades individuales, un proceso de Poisson podría funcionar bien (la superposición de múltiples procesos de puntos independientes es aproximadamente Poisson), aunque tendría que ser no homogéneo (el la probabilidad de un punto varía con el tiempo): es menos probable que las personas impriman a las 3 a.m. que a las 3 p.m.

Para el modelo de proceso de Poisson no homogéneo , la clave sería obtener una buena estimación de la posibilidad de un trabajo de impresión en un momento determinado en un día en particular.

Sin embargo, si estos tiempos de impresión son para estudiantes en un aula, podría ser bastante complicado, ya que no es probable que sean independientes y, por lo tanto, el proceso de Poisson no funcionaría bien.

Aquí hay un enlace a un documento sobre la aplicación del delito.


Gracias por esto. ¿Conoces alguna forma de crear un modelo para un proceso puntual? Parece ser el más relevante, pero no estoy bien versado en estadísticas, así que todo parece confuso (¿Poisson vs Determinantal vs Cox?) Cuando estoy leyendo wikipedia ...: - \
ankushg

@Unk: comenzaría haciendo algunos trazados de los datos. ¿Cuánto dura esta lista de tiempos de impresión?
Karl

Se trata de un año de datos. Haré algunos argumentos y te diré cómo va.
ankushg 01 de

1

Según la predicción, el tiempo probable con el uso de la estadística de escaneo bayesiano multivariante (MBSS) podría ser de ayuda. Este MBSS tiene la ventaja de mejorar la oportunidad y la precisión de la detección de eventos.


Bienvenido al sitio, @Esan. ¿Puedes decir más sobre MBSS, cómo funciona y cómo ayudaría?
gung - Restablece a Monica
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.