इसकी प्रस्तावना के लिए, मेरे पास एक बहुत गहरी गणितीय पृष्ठभूमि है, लेकिन मैंने वास्तव में समय श्रृंखला, या सांख्यिकीय मॉडलिंग से कभी नहीं निपटा है। तो तुम मेरे साथ बहुत कोमल होना नहीं है :)
मैं व्यावसायिक भवनों में मॉडलिंग ऊर्जा उपयोग के बारे में यह पत्र पढ़ रहा हूं, और लेखक यह दावा करता है:
[आटोक्लेररेशन की उपस्थिति उत्पन्न होती है] क्योंकि मॉडल को ऊर्जा उपयोग के समय श्रृंखला डेटा से विकसित किया गया है, जो स्वाभाविक रूप से स्वतःसंबंधित है। समय श्रृंखला डेटा के लिए कोई भी शुद्ध रूप से निर्धारक मॉडल में स्वतःसंक्रमण होगा। यदि [अधिक फ़ॉयर गुणांक] मॉडल में शामिल हैं, तो ऑटोकैरेलेशन को कम करने के लिए पाया जाता है। हालांकि, ज्यादातर मामलों में फूरियर मॉडल में कम सीवी होता है, इसलिए, मॉडल व्यावहारिक उद्देश्यों के लिए स्वीकार्य हो सकता है जो उच्च परिशुद्धता की मांग नहीं करता है।
0.) "किसी भी विशुद्ध रूप से निर्धारक मॉडल समय श्रृंखला डेटा के लिए ऑटोकैरेलेशन होगा" क्या मतलब है? मैं अस्पष्ट रूप से समझ सकता हूं कि इसका क्या अर्थ है - उदाहरण के लिए, आप अपनी समय श्रृंखला में अगले बिंदु की भविष्यवाणी करने की उम्मीद कैसे करेंगे यदि आपके पास 0 ऑटोकॉर्लेशन था? यह एक गणितीय तर्क नहीं है, यह सुनिश्चित करने के लिए, यही कारण है कि यह है 0 :)
1.) मैं इस धारणा के तहत था कि ऑटोक्रेलेशन मूल रूप से आपके मॉडल को मार देता है, लेकिन इसके बारे में सोचते हुए, मैं यह नहीं समझ सकता कि ऐसा क्यों होना चाहिए। तो क्यों ऑटोकैरेक्शन एक बुरी (या अच्छी) चीज है?
2.) ऑटोक्रेलेशन से निपटने के लिए मैंने जो समाधान सुना है, वह समय श्रृंखला को अलग करना है। लेखक के दिमाग को पढ़ने की कोशिश किए बिना, अगर कोई नगण्य ऑटोक्रेलेशन मौजूद है, तो कोई फर्क क्यों नहीं करेगा ?
3.) एक मॉडल पर गैर-नगण्य autocorrelations क्या सीमाएं होती हैं? क्या यह एक धारणा है कहीं (यानी, सामान्य रूप से वितरित अवशिष्ट जब साधारण रेखीय प्रतिगमन के साथ मॉडलिंग करते हैं)?
वैसे भी, अगर ये बुनियादी सवाल हैं, तो क्षमा करें और मदद करने के लिए अग्रिम धन्यवाद।
