पूर्वानुमान अवधि (आत्मविश्वास अंतराल) की गणना कैसे करें?


14

मुझे अक्सर डेटा की मासिक श्रृंखला में भविष्य की अवधि के लिए पूर्वानुमान लगाने की आवश्यकता होती है।

समय श्रृंखला में अगली अवधि के लिए अल्फा पर विश्वास अंतराल की गणना करने के लिए सूत्र उपलब्ध हैं, लेकिन इसमें कभी भी दूसरी अवधि, और तीसरे, आदि का इलाज नहीं किया जाता है।

मैं नेत्रहीन कल्पना करूंगा कि यदि ऊपरी और निचले आत्मविश्वास के अंतराल के साथ कोई पूर्वानुमान लगाया गया था, तो आमतौर पर उन अंतरालों को औसत पूर्वानुमान के खिलाफ तेजी से बढ़ाना या घटाना चाहिए, क्योंकि अनिश्चितता एक संचयी बल है।

मान लीजिए कि मेरे पास अप्रैल की बिक्री थी = 10 मई = 8 जून = 11 जुलाई = 13 और कोई अन्य संदर्भ जैसे कि मौसमी या जनसंख्या डेटा

हमें अगस्त (सितंबर में, नेत्रहीन रूप से) पूर्वानुमान लगाने की आवश्यकता है।

आप किस विधि का उपयोग करेंगे? और अधिक महत्वपूर्ण बात यह है कि आप सितंबर और अक्टूबर के लिए विश्वास कैसे मापेंगे?

क्षमा करें कि यह कुछ विशेषज्ञों के लिए एक सरल प्रश्न हो सकता है - मैं एक स्पष्ट उत्तर के लिए दूर तक खुदाई कर रहा हूं, और मुझे यकीन है कि यह कुछ ऐसा है जो मेरे जैसे शौकीनों को समझने में अच्छा लगेगा।

जवाबों:


8

भविष्यवाणी अंतराल की गणना करने के लिए बहुत सारे संकीर्ण पहलू हैं : डेटा जनरेट करने की प्रक्रिया और इस प्रक्रिया (समय श्रृंखला मॉडल, प्रतिगमन मॉडल) का वर्णन करने के लिए उपयोग किया जाने वाला मॉडल, आपका डेटा स्थिर है (इस प्रकार के लिए आपका निष्कर्ष गलत है क्योंकि स्थिर डेटा को चलाने के लिए रुझान नहीं है इसके माध्य मान से दूर) या विस्फोटक (एक एकीकृत प्रक्रिया के लिए आपको कुछ ऐसा दिखाई देगा जिसका आपने वर्णन किया है)। मुझे लगता है कि भविष्यवाणी अंतराल के बारे में क्रिस चैटफील्ड की एक उत्कृष्ट समीक्षा आपके अधिकांश सवालों का जवाब देगी।

इकाई बिक्री के बारे में:

  • चूँकि आपके पास एक छोटा पूर्वानुमान अंतराल है जिसे आप घातीय चौरसाई द्वारा अनुमान लगाने की कोशिश कर सकते हैं (आर में यह ets()फ़ंक्शन से है forecast)
  • एक और विकल्प यह होगा कि इसे ARIMA प्रक्रिया की तरह तैयार किया जाए (उसी लाइब्रेरी में auto.arima())
  • सूक्ष्म-अर्थशास्त्र में, हालांकि, प्रतिगमन मॉडल एक-सिद्धांतवादी लोगों के लिए बेहतर हैं, लेकिन थोड़े समय में जरूरी नहीं कि वे पहले दो को हरा दें

दोनों मामलों में पूर्वानुमान अंतराल की गणना करने के सूत्र हैं और उपर्युक्त समीक्षा में चर्चा की जाती है (आमतौर पर अवशेषों की सामान्यता मान ली जाती है, लेकिन यह एक महत्वपूर्ण धारणा नहीं है)।


@ क्लिक करें, अगर आपको लेख पढ़ने में कुछ कठिनाइयाँ आएंगी तो आपका स्वागत है।
पापेल सेलोव

'पूर्वानुमान' पैकेज के लिए +1। यहां तक ​​कि अगर आपके पास अपने स्वयं के घातीय चौरसाई मॉडल या अरिमा मॉडल है, तो इसमें मॉडल के दोनों वर्गों के लिए पूर्वानुमान कार्य शामिल हैं जिनमें आत्मविश्वास अंतराल शामिल है।
Zach

@Dmitrij शुक्रिया। आपकी प्रतिक्रिया और आर के बारे में जानने के बाद, मैंने केवल इसके और कार्यों के बारे में सीखना शुरू कर दिया है। यह एक्सेल की तुलना में बहुत अधिक खुलता है।
निक
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.