नैट सिल्वर ने लूस के बारे में क्या कहा, इसकी व्याख्या

Question

हाल ही में पूछे गए एक प्रश्न में , मुझे बताया गया था कि यह एक बड़ा "नहीं-नहीं" था, जिसमें लोट्स के साथ एक्सट्रपलेशन करना था। लेकिन, फाइवThirtyEight.com पर नैट सिल्वर के सबसे हालिया लेख में उन्होंने चुनावी भविष्यवाणियां करने के लिए शतरंज का इस्तेमाल करने पर चर्चा की।

वह शतरंज के साथ आक्रामक बनाम रूढ़िवादी पूर्वानुमान की बारीकियों पर चर्चा कर रहे थे, लेकिन मैं उत्सुक हूं कि क्या मैं भविष्य के बारे में भविष्यवाणियां कर रहा हूं?

मुझे इस चर्चा में भी दिलचस्पी है और ऐसे अन्य विकल्प क्या हैं जिनसे शायद समान लाभ होगा।

Comments

यदि आपका एक्स-चर समय है, तो भविष्य में भविष्यवाणी करने के लिए (जो डेटा की सीमा के बाहर होगा) का उपयोग करना खतरनाक होगा। लेकिन इसका मतलब यह नहीं है कि आप अनुमानों को अधिक सामान्यतः बनाने के लिए शतरंज का उपयोग नहीं कर सकते हैं।

— Glen_b -Reinstate मोनिका

जिज्ञासा से बाहर @Glen_b क्या कुछ मैं "अधिक सामान्यतः" भविष्यवाणी कर सकता है?

— a। पॉवेल जूल

पार्टी ए और बेरोजगारी दर (अन्य भविष्यवक्ताओं के साथ - उदाहरण के लिए व्यक्तिगत राज्यों के लिए प्रभाव) के लिए वोट करने के इच्छुक लोगों के अनुपात के बीच एक गैर-संबंध संबंध की कल्पना करें। इसके अलावा कल्पना करें कि नई बेरोजगारी के आंकड़े अभी उपलब्ध हैं; प्रशिक्षण सेट में अनुभव किए गए मूल्यों की सीमा के भीतर, लेकिन जरूरी नहीं कि उस सेट में प्रतिनिधित्व किया गया मूल्य (जैसे पिछली बेरोजगारी 5 से 12% के बीच हो और हमारे पास अब 8.3% का आंकड़ा हो, स्थिर रहने का पूर्वानुमान)। तब हम 5-12% बेरोजगारी से बाहर न होकर, आनुपातिक मतदान A की भविष्यवाणी करने के लिए loess का उपयोग कर सकते थे।

— Glen_b-18-21 पर मोनिका जूल

@Glen_b धन्यवाद। यह एक अद्भुत चित्रण है कि इसका उपयोग पूर्वानुमान के लिए कैसे किया जा सकता है।

— a। पॉवेल

Answer 1

निम्नता या कमता के साथ समस्या यह है कि यह एक बहुपद प्रक्षेप का उपयोग करता है। यह अनुमान लगाने में अच्छी तरह से जाना जाता है कि बहुपदों का पूंछों में अनियमित व्यवहार होता है। इंटरपोलिंग करते समय, टुकड़ा करने योग्य 3 डिग्री पॉलीओनियल्स, रुझानों के उत्कृष्ट और लचीले मॉडलिंग प्रदान करते हैं, जबकि देखे गए डेटा की सीमा से अधिक बाहर निकलते समय, वे फट जाते हैं। यदि आपने समय श्रृंखला में बाद के डेटा का अवलोकन किया था, तो आपको निश्चित रूप से अच्छा फिट प्राप्त करने के लिए अतिरिक्त ब्रेकपॉइंट को शामिल करने की आवश्यकता होगी।

पूर्वानुमान मॉडल, हालांकि, साहित्य में कहीं और अच्छी तरह से पता लगाया जाता है। कलमन फ़िल्टर और कण फ़िल्टर जैसी फ़िल्टरिंग प्रक्रिया उत्कृष्ट पूर्वानुमान प्रदान करती है। मूल रूप से, एक अच्छा पूर्वानुमान मॉडल मार्कोव श्रृंखला पर आधारित कुछ भी होगा जहां समय को मॉडल में एक पैरामीटर के रूप में नहीं माना जाता है, लेकिन पूर्वानुमान को सूचित करने के लिए पिछले मॉडल राज्य (एस) का उपयोग किया जाता है।