Preguntas etiquetadas con forecasting

Programo y hago desarrollo basado en pruebas. Después de hacer un cambio en mi código, ejecuto mis pruebas. Algunas veces tienen éxito y otras fallan. Antes de ejecutar una prueba, escribo un número de 0.01 a 0.99 para creer que la prueba tendrá éxito. Quiero saber si estoy mejorando para …

10 forecasting  decision-theory  calibration  scoring-rules 

¿Cuáles son las ventajas de expresar un modelo ARMA como un modelo de espacio de estado y hacer pronósticos usando un filtro de Kalman? Esta metodología se utiliza, por ejemplo, en la implementación de SARIMAX de modelos de estadísticas de pitón: https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

10 forecasting  arma  kalman-filter  state-space-models  statsmodels 

Uno de los problemas importantes que enfrentan los pronosticadores es si las series dadas se pueden pronosticar o no. Me topé con un artículo titulado "La entropía como un indicador prioritario de previsibilidad " de Peter Catt que utiliza la entropía aproximada (ApEn) como una medida relativa para determinar que …

10 time-series  forecasting  entropy  maximum-entropy  forecastability 

He escuchado un poco sobre el uso de redes neuronales para pronosticar series temporales. ¿Cómo puedo comparar qué método para pronosticar mi serie temporal (datos minoristas diarios) es mejor: auto.arima (x), ets (x) o nnetar (x). Puedo comparar auto.arima con ets por AIC o BIC. ¿Pero cómo puedo compararlos con …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

Estoy investigando sobre predicciones de series temporales de funciones de densidad de probabilidad. Nuestro objetivo es pronosticar un PDF dado un PDF históricamente observado (generalmente, estimado). El método de pronóstico que estamos desarrollando funciona bastante bien en los estudios de simulación. Sin embargo, necesito un ejemplo numérico de aplicaciones reales …

10 time-series  forecasting  functional-data-analysis 

Estoy trabajando en un conjunto de datos. Después de usar algunas técnicas de identificación de modelos, obtuve un modelo ARIMA (0,2,1). Utilicé la detectIOfunción en el paquete TSAen R para detectar un valor atípico innovador (IO) en la observación número 48 de mi conjunto de datos original. ¿Cómo incorporo este …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Tengo un conjunto de datos donde la intuición empírica dice que debería esperar una estacionalidad semanal (es decir, el comportamiento en sábado y domingo es diferente del resto de la semana). ¿Debería ser cierta esta premisa, no debería un gráfico de autocorrelación darme ráfagas en múltiplos de retraso de 7? …

10 time-series  autocorrelation  forecasting 

Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos últimos dan las mismas respuestas. Usando un montón de …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Estoy tratando de pronosticar las ventas de productos en máquinas expendedoras. El problema es que la máquina se llena a intervalos irregulares y en cada llenado solo podemos registrar las ventas agregadas desde el último llenado de la máquina (es decir, no tenemos datos de ventas diarias). Básicamente, tenemos datos …

10 time-series  forecasting 

Pensando en un problema supuestamente simple pero interesante, me gustaría escribir un código para pronosticar los consumibles que necesitaré en el futuro cercano dado el historial completo de mis compras anteriores. Estoy seguro de que este tipo de problema tiene una definición más genérica y bien estudiada (alguien sugirió que …

10 time-series  machine-learning  forecasting 

He estado trabajando durante meses en el pronóstico de carga a corto plazo y el uso de datos climáticos / climáticos para mejorar la precisión. Tengo experiencia en informática y por esta razón estoy tratando de no cometer grandes errores y comparaciones injustas al trabajar con herramientas estadísticas como los …

10 time-series  forecasting  arima 

Me gustaría combinar el pronóstico y el pronóstico (es decir, los valores pasados ​​pronosticados) de un conjunto de datos de series de tiempo en una serie de tiempo minimizando el Error de predicción cuadrático medio. Digamos que tengo series temporales de 2001-2010 con una brecha para el año 2007. He …

10 r  time-series  forecasting  data-imputation 

Esta pregunta puede sonar muy amplia, pero esto es lo que estoy buscando. Sé que hay muchos libros excelentes sobre métodos econométricos y muchos artículos expositivos excelentes sobre técnicas econométricas. Incluso hay excelentes ejemplos reproducibles de econometría, como se describe en esta pregunta CrossValidated . De hecho, los ejemplos en …

10 r  machine-learning  forecasting  data-mining  econometrics 

Otra pregunta sobre series de tiempo de mi parte. Tengo un conjunto de datos que proporciona registros diarios de incidentes violentos en un hospital psiquiátrico durante tres años. Con la ayuda de mi pregunta anterior, he estado jugando con ella y ahora estoy un poco más feliz. Lo que tengo …

10 time-series  forecasting 

Actualmente estoy trabajando en un proyecto para hacer pronósticos de datos de series temporales (datos mensuales). Estoy usando R para hacer el pronóstico. Tengo 1 variable dependiente (y) y 3 variables independientes (x1, x2, x3). La variable y tiene 73 observaciones, al igual que las otras 3 variables (alos 73). …

10 time-series  multiple-regression  forecasting  lags