Pensando em um problema supostamente simples, mas interessante, eu gostaria de escrever um código para prever consumíveis necessários em um futuro próximo, considerando o histórico completo de minhas compras anteriores. Tenho certeza de que esse tipo de problema tem uma definição mais genérica e...
Estou tentando prever as vendas de produtos na máquina de venda automática. O problema é que a máquina é preenchida em intervalos irregulares e, a cada preenchimento, só podemos registrar as vendas agregadas desde o último preenchimento da máquina (ou seja, não temos dados diários de vendas)....
Estou tentando utilizar a regressão de RF para fazer previsões sobre o desempenho de uma fábrica de papel. Eu tenho dados minuto a minuto para as entradas (taxa e quantidade de polpa de madeira entrando etc ...), bem como para o desempenho da máquina (papel produzido, energia consumida pela...
Tenho experiência anterior com validação cruzada 'normal' dobra K para ajuste de modelo e estou um pouco confuso com o aplicativo em modelos de séries temporais. Entendo que, para modelos de séries temporais, o corolário da validação cruzada é o procedimento de 'origem progressiva' descrito por...
Eu tenho um GLMM do formulário: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), obtenho resultados diferentes dos que utilizo Anova(model, type="III")na embalagem do carro ou summary(model). Estes dois...
Eu tenho um conjunto de dados em que a intuição empírica diz que devo esperar uma sazonalidade semanal (ou seja, o comportamento no sábado e domingo é diferente do restante da semana). Se essa premissa for verdadeira, um gráfico de autocorrelação não deve me dar rajadas com múltiplos de 7? Aqui...
Gostaria de decompor os seguintes dados de séries temporais em componentes sazonais, de tendência e residuais. Os dados são um perfil de energia de refrigeração a cada hora de um edifício comercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18),...
Estou trabalhando em um conjunto de dados. Depois de usar algumas técnicas de identificação de modelos, criei um modelo ARIMA (0,2,1). Usei a detectIOfunção no pacote TSAem R para detectar um outlier inovador (IO) na 48ª observação do meu conjunto de dados original. Como faço para incorporar esse...
Estou fazendo uma pesquisa sobre a previsão de séries temporais de funções de densidade de probabilidade. Nosso objetivo é prever um PDF, dado o PDF historicamente observado (geralmente estimado). O método de previsão que estamos desenvolvendo funciona muito bem em estudos de simulação. No...
Estou tentando encontrar uma maneira de corrigir os valores discrepantes quando os encontrar / detectar nos dados de séries temporais. Alguns métodos, como o nnetar no R, apresentam alguns erros para séries temporais com valores extremos grandes / grandes. Já consegui corrigir os valores ausentes,...
Ouvi falar um pouco sobre o uso de redes neurais para prever séries temporais. Como posso comparar, qual método para prever minhas séries temporais (dados diários de varejo) é melhor: auto.arima (x), ets (x) ou nnetar (x). Eu posso comparar auto.arima com ets por AIC ou BIC. Mas como posso...
Uma das questões importantes que os meteorologistas enfrentam é se a série fornecida pode ser prevista ou não? Eu me deparei com um artigo intitulado " Entropia como um indicador prioritário de previsibilidade ", de Peter Catt, que usa Entropia aproximada (ApEn) como uma medida relativa para...
Quais são as diferenças no uso de Modelos Lineares Generalizados, como Determinação Automática de Relevância (ARD) e regressão de Ridge, versus modelos de séries temporais como Box-Jenkins (ARIMA) ou suavização exponencial para previsão? Existem regras práticas sobre quando usar o GLM e quando usar...
Sou analista nas áreas financeira e de seguros e sempre que tento ajustar modelos de volatilidade, obtenho resultados terríveis: os resíduos geralmente são não estacionários (no sentido da raiz da unidade) e heterocedásticos (para que o modelo não explique a volatilidade). Os modelos ARCH / GARCH...
Quais são as vantagens de expressar um modelo ARMA como um modelo de espaço de estado e fazer previsões usando um filtro Kalman? Essa metodologia é usada, por exemplo, na implementação SARIMAX dos
Antes de tudo, percebo que minha pergunta é muito ampla e que pode ser difícil responder a essa pergunta por causa disso. Você tem algum conselho sobre como abordar um 'problema' em que precisa fazer previsões / previsões para mais de 2000 produtos diferentes? Em outras palavras, cada produto...
Introdução Na combinação de previsões, uma das soluções populares é baseada na aplicação de algum critério de informação. Tomando por exemplo o critério Akaike estimado para o modelo , pode-se calcular as diferenças de de e, em seguida, RP_j = e ^ {(AIC ^ * - AIC_j) / 2} podem ser interpretadas...
Como um passatempo paralelo, tenho explorado séries temporais de previsão (em particular, usando R). Para os meus dados, tenho o número de visitas por dia, para todos os dias, voltando quase quatro anos. Nestes dados, existem alguns padrões distintos: De segunda a sexta tem muitas visitas (a...
enquanto passo para a previsão com os modelos ARIMA, estou tentando entender como posso melhorar uma previsão com base no ajuste do ARIMA à sazonalidade e à deriva. Meus dados são as seguintes séries temporais (mais de 3 anos, com clara tendência ascendente e sazonalidade visível, o que parece...
Estou trabalhando no desenvolvimento de um modelo para prever as vendas totais de um produto. Eu tenho cerca de um ano e meio de dados de reservas, para poder fazer uma análise de séries temporais padrão. No entanto, também tenho muitos dados sobre cada 'oportunidade' (venda potencial) que foi...