यहाँ मुद्दा एक समीकरण को प्राप्त करने का है जो अवलोकन और शोर के लिए देखे गए डेटा को पार्स करता है। यदि आपका डेटा सरल है, तो आपका प्रतिगमन दृष्टिकोण काम कर सकता है। पैगंबर के साथ जो कुछ धारणाएं बना रहे हैं, उन्हें समझने के लिए ध्यान रखा जाना चाहिए। आपको बेहतर समझना चाहिए कि पैगंबर क्या करते हैं, क्योंकि यह सिर्फ एक साधारण मॉडल के लिए फिट नहीं है, लेकिन कुछ संरचना को जोड़ने का प्रयास करता है।
उदाहरण के लिए, उनके द्वारा लिखे गए परिचय को पढ़ने के बाद मैंने जो कुछ प्रतिबिंब बनाए, वे आपके मूल्यांकन में आपकी मदद कर सकते हैं। मैं अग्रिम में माफी मांगता हूं अगर मैंने उनके दृष्टिकोण को गलत समझा है, और यदि ऐसा है तो इसे ठीक किया जाएगा।
1) उनके प्रमुख उदाहरण में प्रवृत्ति में दो ब्रेक-पॉइंट हैं लेकिन उन्होंने केवल सबसे स्पष्ट एक पर कब्जा कर लिया।
2) वे किसी भी और सभी ARIMA संरचना को अनदेखा करते हैं जो पूर्वानुमानित स्टोकैस्टिक श्रृंखला या पूर्वानुमान का मार्गदर्शन करने के लिए Y के ऐतिहासिक मूल्यों का उपयोग करने के मूल्य को दर्शाता है।
3) वे उपयोगकर्ता द्वारा सुझाए गए स्टोचस्टिक और नियतात्मक श्रृंखला के किसी भी संभावित गतिशीलता (लीड और लैग प्रभाव) को अनदेखा करते हैं। पैगंबर के कारण प्रतिगमन प्रभाव केवल समकालीन हैं।
4) श्रृंखला या मौसमी दालों में चरण / स्तर की शिफ्टों की पहचान करने के लिए कोई प्रयास नहीं किया जाता है। उदाहरण के लिए कुछ अज्ञात बाहरी घटना के कारण समय के साथ आधे रास्ते में बदलाव। पैगंबर वैकल्पिक संभावनाओं की जांच करके इसे सत्यापित करने के बजाय "सरल रैखिक विकास 'को मानते हैं। इसके संभावित उदाहरण के लिए, फेसबुक पैगंबर और आर का उपयोग करके ऑनलाइन सदस्यता व्यवसाय के लिए आवर्ती आदेशों को देखें।
5) सीन्स और कोजाइन मौसमी प्रभाव से निपटने का एक अपारदर्शी तरीका है, जबकि मौसमी प्रभाव जैसे सप्ताह के दिन, दिन के महीने, सप्ताह के महीने, साल के महीने जैसे होते हैं। एन्थ्रोपोजेनिक (मनुष्यों के साथ व्यवहार!) प्रभाव से निपटने के दौरान बहुत अधिक प्रभावी / जानकारीपूर्ण।
वार्षिक पैटर्न के लिए 365.25 की आवृत्तियों का सुझाव देना बहुत कम समझ में आता है क्योंकि हम पिछले वर्ष की तरह ठीक उसी दिन कार्रवाई नहीं करते हैं, जबकि मासिक गतिविधि बहुत अधिक है, लेकिन पैगंबर 11 मासिक संकेतकों की पेशकश नहीं करते हैं विकल्प। 52 की साप्ताहिक आवृत्तियों से बहुत कम फायदा होता है क्योंकि हमारे पास प्रत्येक और प्रत्येक वर्ष में 52 सप्ताह नहीं होते हैं।
6) गॉसियन होने की त्रुटि प्रक्रियाओं को मान्य करने का कोई प्रयास नहीं किया जाता है, इसलिए महत्व के सार्थक परीक्षण किए जा सकते हैं।
7) मॉडल त्रुटि भिन्नता के लिए कोई चिंता नहीं सजातीय होने के लिए, यानी, समय पर विशेष रूप से निश्चित रूप से नहीं बदलकर भारित कम से कम वर्गों का सुझाव। एक्सपेक्टेड वैल्यू के आनुपातिक होने के लिए एरर वैरिएशन को डील करने के लिए एक इष्टतम पॉवर ट्रांसफॉर्मेशन खोजने की कोई चिंता नहीं है (और क्यों) आपको एक डिस्ट्रीब्यूशन (संख्याओं का) लॉग लेना चाहिए? ।
8) उपयोगकर्ता को घटनाओं / छुट्टियों के आसपास सभी संभावित लीड और अंतराल प्रभावों को पूर्व-निर्दिष्ट करना होगा। उदाहरण के लिए, नवंबर के अंत में दैनिक बिक्री अक्सर बढ़ना शुरू हो जाती है, जो क्रिसमस के दीर्घकालिक प्रभाव को दर्शाती है।
9) कोई चिंता नहीं कि परिणामी त्रुटियां संरचना से मुक्त हैं जो पर्याप्तता के लिए नैदानिक जाँच के माध्यम से मॉडल को बेहतर बनाने के तरीके सुझाती हैं।
10) स्पष्ट रूप से गैर-महत्वपूर्ण संरचना को हटाकर मॉडल में सुधार के साथ कोई चिंता नहीं है।
11) नकली पूर्वानुमानों के एक परिवार को प्राप्त करने के लिए कोई सुविधा नहीं है जहां आत्मविश्वास की सीमाएं आवश्यक विसंगतियों के भत्ते के साथ मॉडल की त्रुटियों को बूटस्ट्रैपिंग के माध्यम से सममित नहीं हो सकती हैं।
12) उपयोगकर्ता को रुझानों के बारे में धारणा बनाने (ट्रेंड ब्रेकप्वाइंट के # और वास्तविक ब्रेकपॉइंट) बड़े पैमाने पर विश्लेषण के चेहरे में अवांछित / अनुपयोगी लचीलेपन की अनुमति देता है, जिसके द्वारा यह नाम हाथों से मुक्त बड़े पैमाने पर अनुप्रयोगों के लिए डिज़ाइन किया गया है।