यह समस्या वास्तव में आग का पता लगाने के बारे में है, लेकिन यह कुछ रेडियोधर्मी क्षय का पता लगाने की समस्याओं का दृढ़ता से अनुरूप है। देखी जा रही घटनाएं छिटपुट और उच्च चर दोनों हैं; इस प्रकार, एक समय श्रृंखला में चर मानों से बाधित शून्य के लंबे तार शामिल होंगे।
उद्देश्य केवल घटनाओं (शून्य में विराम) को पकड़ना नहीं है, बल्कि स्वयं घटनाओं का मात्रात्मक लक्षण वर्णन है। हालांकि, सेंसर सीमित हैं, और इस प्रकार कभी-कभी शून्य रिकॉर्ड करेगा भले ही "वास्तविकता" गैर-शून्य हो। इस कारण से, सेंसर की तुलना करते समय शून्य को शामिल किया जाना चाहिए।
सेंसर बी सेंसर ए की तुलना में अधिक संवेदनशील हो सकता है, और मैं उस सांख्यिकीय का वर्णन करने में सक्षम होना चाहूंगा। इस विश्लेषण के लिए, मेरे पास "सत्य" नहीं है, लेकिन मेरे पास सेंसर सी है, जो सेंसर ए और बी से स्वतंत्र है। इस प्रकार मेरी उम्मीद है कि ए / बी और सी के बीच बेहतर समझौता "सच्चाई" के साथ बेहतर समझौते का संकेत देता है। (यह अस्थिर लग सकता है, लेकिन आपको मुझ पर भरोसा करना होगा - मैं यहां ठोस जमीन पर हूं, जो सेंसर के बारे में अन्य अध्ययनों से ज्ञात है, इसके आधार पर)।
तब समस्या यह है कि "समय श्रृंखला के बेहतर समझौते" को कैसे निर्धारित किया जाए। सहसंबंध स्पष्ट पसंद है, लेकिन उन सभी शून्य (जो नहीं छोड़ा जा सकता है) से प्रभावित होगा, और निश्चित रूप से अधिकतम मूल्यों से बिल्कुल प्रभावित होगा। RMSE की गणना भी की जा सकती है, लेकिन निकट-शून्य मामले में सेंसर के व्यवहार के प्रति दृढ़ता से भारित किया जाएगा।
Q1: गैर-शून्य मानों के लिए लघुगणकीय स्केलिंग को लागू करने का सबसे अच्छा तरीका क्या है जो कि समय-श्रृंखला विश्लेषण में शून्य के साथ जोड़ा जाएगा?
Q2: इस प्रकार के टाइम-सीरीज़ विश्लेषण के लिए आप "सर्वोत्तम प्रथाओं" की सिफारिश कर सकते हैं, जहां गैर-शून्य मानों पर व्यवहार फोकस है, लेकिन शून्य मान हावी है और इसे बाहर नहीं किया जा सकता है?