المتكاملة الانحدار الحركة من المتوسط البرنامج التعليمي

نمذجة أريما نموذج أريما هو امتداد لنموذج أرما i الذي ينطبق على السلاسل الزمنية غير الثابتة (سلسلة زمنية مع واحد أو أكثر من جذور الوحدة المتكاملة). معالج نموذج أريما بأتمتة خطوات بناء نموذج: التخمين المعلمات الأولية، التحقق من صحة المعلمات، والخير من اختبار صالح، والتشخيص المتبقية. لاستخدام هذه الوظيفة، حدد الرمز المقابل على شريط الأدوات (أو عنصر القائمة): قم بتدوير (حدد) عينة البيانات في ورقة العمل الخاصة بك وحدد الترتيب المقابل لنموذج مكون الانحدار الذاتي (أر)، أمر التكامل (d)، وترتيب نموذج مكون المتوسط ​​المتحرك. ثم حدد الخير من الاختبارات مناسبا، التشخيص المتبقية، وتعيين موقع على ورقة العمل الخاصة بك لطباعة النموذج. ملاحظة: افتراضيا، معالج نموذج يولد تخمين سريع من قيم المعلمات النماذج، ولكن قد يختار المستخدم لإنشاء قيم معايرة لمعاملات النماذج. عند الانتهاء، تقوم الدالة النمذجة أرما بإخراج معلمات النماذج المحددة وعمليات الاختبار المحددة في الموقع المحدد لورقة العمل. يضيف معالج أريما نوع إكسيل من التعليقات (رؤوس الأسهم الحمراء) إلى خلايا التسمية لوصفها. مركز دعم زلستات يناسب نموذج أريما إلى سلسلة زمنية في إكسيل مضمنة في مجموعة البيانات لتتناسب مع نموذج أريما إلى سلسلة زمنية ورقة إكسيل مع كل من البيانات والنتائج يمكن تحميلها عن طريق النقر هنا. وقد تم الحصول على البيانات في بوكس، G. E.P. و جينكينز، G. M. (1976). تحليل سلسلة الوقت: التنبؤ والتحكم. هولدن داي، سان فرانسيسكو، وتتوافق مع الركاب الطيران الدولي الشهري (بالآلاف) من يناير 1949 إلى ديسمبر 1960. نلاحظ على الرسم البياني، أن هناك اتجاها تصاعديا عالميا، أن كل عام دورة مماثلة تبدأ، وأن فإن التباين في غضون سنة يبدو أنه يتزايد بمرور الوقت. قبل أن نتناسب مع نموذج أريما، نحن بحاجة إلى تحقيق الاستقرار في التباين. للقيام بذلك، نقوم بتحويل السلسلة باستخدام تحويل السجل. يمكننا أن نرى على الرسم البياني أدناه أن يتم تقليل التباين. يمكننا الآن أن تناسب أريما (0،1، 1) (0،1،1) 12 نموذج الذي يبدو مناسبا لإزالة تأثير الاتجاه والموسمية السنوية للبيانات. إعداد تركيب نموذج أريما إلى سلسلة زمنية بعد فتح زلستات، حدد الأمر زلستات تحليل سلسلة الوقت أريما. بمجرد النقر على الزر 39، سيظهر مربع الحوار أريما. حدد البيانات في ورقة إكسيل. في حقل سلسلة تايمز يمكنك الآن تحديد بيانات السجل (الركاب). يتم تنشيط الخيار مركز كما نريد زلستات لتركز تلقائيا سلسلة قبل تحسين نموذج أريما. بعد تحديد البيانات، حدد نوع نموذج أريما بإدخال قيمة أوامر (p، d، q) (P، D، Q) s. يتم تعيين فترة من هذه السلسلة إلى 12، لأنه يبدو يتكرر دورات كل عام (12 شهرا). يتم تنشيط تسميات سلسلة الخيار لأن الصف الأول من البيانات المحددة يحتوي على رأس المتغير. في علامة التبويب التحقق من صحة، أدخل 12 بحيث لا يتم استخدام القيم 12 الماضية لتناسب النموذج، ولكن فقط للتحقق من صحة النموذج. تبدأ الحسابات بمجرد النقر على موافق. ثم سيتم عرض النتائج. تفسير نتائج نموذج أريما المناسب لسلسلة زمنية بعد الإحصائيات الموجزة للسلسلة، يعرض الجدول المعايير المختلفة التي تسمح بتقييم جودة الملاءمة، ومقارنة ملاءمة هذا النموذج مع النماذج الأخرى (إن وجدت ). يعرض الجدول التالي معلمات النموذج. نلاحظ أن كل من المعلمات (1) و سما (1) تختلف اختلافا كبيرا عن 0 حيث أن فترة الثقة 95 لا تتضمن 0. يتم حساب فترات الثقة باستخدام هسيان بعد التحسين وهو ما تعرضه البرامج الأخرى عادة، وهي طريقة مقاربة. ثابت النموذج ثابت لأنه يأتي من إزالة المتوسط. نموذج أريما يكتب: Y (t) 0.000Z (t-1) -0.348.Z (t-1) -0.562.Z (t-12) 0.195Z (t-13) حيث Z (t) N (0، 0.001) Y (t) (1-B) (1-B 12) X (t) و X (t) هي سلسلة المدخلات. وتعطى معادلة التنبؤ للسلسلة X (t) بواسطة X (t1) Y (t1) X (t) X (t-11) - X (t-12) ويعطي الجدول قيم السلسلة الأصلية، سلسلة سلسة (التنبؤات). وبسبب قيود النموذج، لا تتوفر التنبؤات للملاحظات الأولى عشرة (تستبدل التنبؤات بقيم سلسلة المدخلات). لاحظ أن متغير الوقت كوتكوت تم إنشاؤها لتسهيل التمثيل الرسومي. وبالنسبة لآخر 12 ملاحظة، تم حساب التنبؤات في أسلوب المصادقة، ويتوفر نطاق ثقة. نلاحظ أن جميع المخلفات تقريبا (باللون الأحمر) هي سلبية. وهذا يعني أنه في نمط التنبؤ فإن النموذج يبالغ في تقدير حركة المرور. على الرسم البياني أدناه، يمكننا أن نرى بصريا أن التنبؤات (التحقق من الصحة) هي قريبة جدا من data. Forecasting - ARIMA أبي تناسب نموذج التحرك المتكامل التلقائي (أريما) للتنبؤ القيم في المستقبل. غ ملاحظة: يتم استهلاك هذا. التنبؤ - أبي ريجريسيف أدمين موفينغ أفيراج (أريما) أبي هو مثال تم إنشاؤه باستخدام ميكروسوفت أزور ماشين ليارنينغ الذي يناسب نموذج أريما لإدخال البيانات من قبل المستخدم، ثم ينتج القيم المتوقعة للتواريخ المستقبلية. سوف الطلب على منتج معين زيادة هذا العام هل يمكنني التنبؤ مبيعات المنتجات بلدي لموسم العطلات، حتى أستطيع أن تخطط بفعالية بلدي المخزون نماذج التنبؤ هي عرضة لمعالجة مثل هذه الأسئلة. وبالنظر إلى البيانات السابقة، فإن هذه النماذج تدرس الاتجاهات المخفية والموسمية للتنبؤ بالاتجاهات المستقبلية. في حين أن هذه الخدمة على شبكة الإنترنت يمكن أن تستهلك من قبل المستخدمين المحتملين من خلال التطبيق المحمول، على شبكة الإنترنت، أو حتى على جهاز كمبيوتر محلي على سبيل المثال، والغرض من خدمة الويب هو أيضا أن يكون مثالا لكيفية أزور مل يمكن استخدامها لإنشاء خدمات الويب على رأس رمز R. مع بضعة أسطر فقط من رمز R والنقرات على زر داخل أزور مل ستوديو، يمكن إنشاء تجربة مع رمز R ونشرها كخدمة ويب. ويمكن بعد ذلك نشر خدمة الويب إلى أزور ماركتبليس واستهلاكها من قبل المستخدمين والأجهزة في جميع أنحاء العالم مع أي بنية تحتية إعداد من قبل مقدم خدمة الويب. مركز دعم XLSTAT تناسب نموذج أريما إلى سلسلة زمنية في إكسيل المدرجة في مجموعة البيانات لتتناسب مع نموذج أريما إلى سلسلة زمنية يمكن تحميل ورقة إكسل مع كل من البيانات والنتائج من خلال النقر هنا. وقد تم الحصول على البيانات في بوكس، G. E.P. و جينكينز، G. M. (1976). تحليل سلسلة الوقت: التنبؤ والتحكم. هولدن داي، سان فرانسيسكو، وتتوافق مع الركاب الطيران الدولي الشهري (بالآلاف) من يناير 1949 إلى ديسمبر 1960. نلاحظ على الرسم البياني، أن هناك اتجاها تصاعديا عالميا، أن كل عام دورة مماثلة تبدأ، وأن فإن التباين في غضون سنة يبدو أنه يتزايد بمرور الوقت. قبل أن نتناسب مع نموذج أريما، نحن بحاجة إلى تحقيق الاستقرار في التباين. للقيام بذلك، نقوم بتحويل السلسلة باستخدام تحويل السجل. يمكننا أن نرى على الرسم البياني أدناه أن يتم تقليل التباين. يمكننا الآن أن تناسب أريما (0،1، 1) (0،1،1) 12 نموذج الذي يبدو مناسبا لإزالة تأثير الاتجاه والموسمية السنوية للبيانات. إعداد تركيب نموذج أريما إلى سلسلة زمنية بعد فتح زلستات، حدد الأمر زلستات تحليل سلسلة الوقت أريما. بمجرد النقر على الزر 39، سيظهر مربع الحوار أريما. حدد البيانات في ورقة إكسيل. في حقل سلسلة تايمز يمكنك الآن تحديد بيانات السجل (الركاب). يتم تنشيط الخيار مركز كما نريد زلستات لتركز تلقائيا سلسلة قبل تحسين نموذج أريما. بعد تحديد البيانات، حدد نوع نموذج أريما بإدخال قيمة أوامر (p، d، q) (P، D، Q) s. يتم تعيين فترة من هذه السلسلة إلى 12، لأنه يبدو يتكرر دورات كل عام (12 شهرا). يتم تنشيط تسميات سلسلة الخيار لأن الصف الأول من البيانات المحددة يحتوي على رأس المتغير. في علامة التبويب التحقق من صحة، أدخل 12 بحيث لا يتم استخدام القيم 12 الماضية لتناسب النموذج، ولكن فقط للتحقق من صحة النموذج. تبدأ الحسابات بمجرد النقر على موافق. ثم سيتم عرض النتائج. تفسير نتائج نموذج أريما المناسب لسلسلة زمنية بعد الإحصائيات الموجزة للسلسلة، يعرض الجدول المعايير المختلفة التي تسمح بتقييم جودة الملاءمة، ومقارنة ملاءمة هذا النموذج مع النماذج الأخرى (إن وجدت ). يعرض الجدول التالي معلمات النموذج. نلاحظ أن كل من المعلمات (1) و سما (1) تختلف اختلافا كبيرا عن 0 حيث أن فترة الثقة 95 لا تتضمن 0. يتم حساب فترات الثقة باستخدام هسيان بعد التحسين وهو ما تعرضه البرامج الأخرى عادة، وهي طريقة مقاربة. ثابت النموذج ثابت لأنه يأتي من إزالة المتوسط. نموذج أريما يكتب: Y (t) 0.000Z (t-1) -0.348.Z (t-1) -0.562.Z (t-12) 0.195Z (t-13) حيث Z (t) N (0، 0.001) Y (t) (1-B) (1-B 12) X (t) و X (t) هي سلسلة المدخلات. وتعطى معادلة التنبؤ للسلسلة X (t) بواسطة X (t1) Y (t1) X (t) X (t-11) - X (t-12) ويعطي الجدول قيم السلسلة الأصلية، سلسلة سلسة (التنبؤات). وبسبب قيود النموذج، لا تتوفر التنبؤات للملاحظات الأولى عشرة (تستبدل التنبؤات بقيم سلسلة المدخلات). لاحظ أن متغير الوقت كوتكوت تم إنشاؤها لتسهيل التمثيل الرسومي. وبالنسبة لآخر 12 ملاحظة، تم حساب التنبؤات في أسلوب المصادقة، ويتوفر نطاق ثقة. نلاحظ أن جميع المخلفات تقريبا (باللون الأحمر) هي سلبية. وهذا يعني أنه في نمط التنبؤ فإن النموذج يبالغ في تقدير حركة المرور. على الرسم البياني أدناه، يمكننا أن نرى بصريا أن التنبؤات (التحقق من الصحة) قريبة جدا من البيانات.