Estoy impresionado por la R forecast
paquete , así como por ejemplo, el zoo
paquete para series temporales irregulares y la interpolación de valores perdidos.
Mi aplicación se encuentra en el área de pronóstico de tráfico del centro de llamadas, por lo que los datos de los fines de semana (casi) siempre faltan, lo que puede ser manejado de manera agradable por zoo
. Además, pueden faltar algunos puntos discretos, solo uso R NA
para eso.
La cuestión es: toda la magia agradable del paquete de pronóstico, como eta()
,auto.arima()
etc., parece esperar ts
objetos simples , es decir, series de tiempo equiespaciadas que no contienen datos faltantes. Creo que las aplicaciones en el mundo real para series de tiempo solo espaciadas son definitivamente existentes, pero, en mi opinión, muy limitadas.
El problema de unos pocos NA
valores discretos se puede resolver fácilmente utilizando cualquiera de las funciones de interpolación ofrecidas zoo
, así como también mediante forecast::interp
. Después de eso, ejecuto el pronóstico.
Mis preguntas:
- ¿Alguien sugiere una mejor solución?
(mi pregunta principal) Al menos en el dominio de mi aplicación, el pronóstico del tráfico del centro de llamadas (y hasta donde puedo imaginar la mayoría de los otros dominios problemáticos), las series de tiempo no son equiespaciadas. Al menos tenemos un esquema recurrente de "días hábiles" o algo así. ¿Cuál es la mejor manera de manejar eso y aún usar toda la magia genial del paquete de pronóstico?
¿Debería simplemente "comprimir" la serie de tiempo para llenar los fines de semana, hacer el pronóstico y luego "inflar" los datos nuevamente para volver a insertar los valores de NA en los fines de semana? (Eso sería una pena, creo?)
¿Hay algún plan para hacer que el paquete de pronóstico sea totalmente compatible con los paquetes de series temporales irregulares como el zoológico o sus? En caso afirmativo, cuándo y si no, ¿por qué no?
Soy bastante nuevo en el pronóstico (y las estadísticas en general), por lo que podría pasar por alto algo importante.
auto.arima
puede manejar valores perdidos.