Estou procurando implementar um modelo dinâmico para recomendar um filme para um usuário. A recomendação deve ser atualizada sempre que o usuário assiste a um filme ou o classifica. Para simplificar, estou pensando em levar dois fatores em consideração: as classificações anteriores de outros...
Eu ajustei um modelo com várias variáveis independentes, uma das quais é o atraso da variável dependente, usando o pacote dynlm. Supondo que eu tenha previsões de um passo à frente para minhas variáveis independentes, como faço para obter previsões de um passo à frente para minhas variáveis...
Ao conduzir uma análise de intervenção com dados de séries temporais (também conhecidos como séries temporais interrompidas), como discutido aqui, por exemplo, um requisito que tenho é estimar o ganho total (ou perda) devido à intervenção - ou seja, número de unidades ganhas ou perdidas (a variável...
Estou tentando criar um modelo de previsão de regressão de séries temporais para uma variável de resultado, em valor em dólares, em termos de outros preditores / variáveis de entrada e erros correlacionados automaticamente. Esse tipo de modelo também é chamado de modelo de regressão dinâmica....
Quero ajustar um DLM com coeficientes variáveis no tempo, ou seja, uma extensão da regressão linear usual, yt=θ1 1+θ2x2yt=θ1 1+θ2x2y_t = \theta_1 + \theta_2x_2 . Eu tenho um preditor ( ) e uma variável de resposta ( ), capturas anuais de peixes no mar e no interior, respectivamente, de 1950 a...
Estou realmente tendo problemas para descobrir como comparar o ARIMA e os modelos de regressão. Eu entendo como avaliar os modelos ARIMA um contra o outro e diferentes tipos de modelos de regressão (ou seja: regressão vs regressão dinâmica com erros de AR) um contra o outro, no entanto, não consigo...
Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732,...