এসিএফ এবং পিএসিএফ পরিদর্শনের মাধ্যমে এআরএমএ সহগের অনুমান করুন

Question

এসিএফ এবং পিএসিএফ প্লটগুলির চাক্ষুষ পরিদর্শন করে আপনি কীভাবে কোনও সময়ের সিরিজের উপযুক্ত পূর্বাভাসের মডেলটি অনুমান করবেন? কোনটি (যেমন, এসিএফ বা পিএসিএফ) এআর বা এমএকে বলে (বা তারা দুজনেই)? গ্রাফগুলির কোন অংশটি আপনাকে মৌসুমী আরিমা জন্য মৌসুমী এবং অ-মৌসুমী অংশ বলে?

নীচে প্রদর্শিত এসিএফ এবং পিসিএফ ফাংশনগুলি বিবেচনা করুন। তারা লগ রুপান্তরিত সিরিজ থেকে যা দ্বিগুণ পার্থক্য করা হয়েছে, একটি সাধারণ পার্থক্য এবং একটি মৌসুমী ( মূল ডেটা , লগ রূপান্তরিত ডেটা )। আপনি কিভাবে সিরিজ বৈশিষ্ট্য হবে? কোন মডেল এটি সেরা ফিট করে?

Answer 1

আমার উত্তরটি সত্যিই জাভাসেলেলের সংক্ষিপ্তসার তবে একটি সাধারণ মন্তব্যের জন্য খুব দীর্ঘ তবে অকেজো হওয়ার পক্ষে খুব কম নয়।

Jvlacelle এর প্রতিক্রিয়া এক পর্যায়ে প্রযুক্তিগতভাবে সঠিক হলেও এটি "অত্যধিক সরল করে" কারণ এটি নির্দিষ্ট কিছু "জিনিস" যা সাধারণত কখনও সত্য হয় না। এটি ধরে নেওয়া হয় যে এক বা একাধিক সময়ের প্রবণতা বা এক বা একাধিক স্তরের শিফট বা এক বা একাধিক মৌসুমী ডাল বা এক বা একাধিক এক-সময় ডালগুলির মতো কোনও নির্বিচার কাঠামো নেই। তদুপরি এটি ধরে নেওয়া হয় যে চিহ্নিত মডেলের প্যারামিটারগুলি সময়ের সাথে অবিচ্ছিন্ন এবং অস্থায়ীভাবে চিহ্নিত মডেলটির অন্তর্গত ত্রুটি প্রক্রিয়াটি সময়ের সাথে সাথে অদৃশ্যও হয়। উপরের যে কোনওটিকে উপেক্ষা করা প্রায়শই (সর্বদা আমার মতে!) বিপর্যয়ের একটি রেসিপি বা আরও স্পষ্টভাবে একটি "দুর্বল চিহ্নিত মডেল"। এর একটি ক্লাসিক কেস হ'ল এয়ারলাইন সিরিজের জন্য প্রস্তাবিত অপ্রয়োজনীয় লোগারিথমিক ট্রান্সফর্মেশন এবং সেই সিরিজের জন্য যা ওপি তার সংশোধিত প্রশ্নে উপস্থাপন করে। তার ডেটাগুলির জন্য কোনও লগারিদমিক রূপান্তরের প্রয়োজন নেই কারণ 1988,207,218,219 এবং 256 পিরিয়ডে মাত্র কয়েকটি "অস্বাভাবিক" মান রয়েছে যা চিকিত্সা ছাড়াই এই মিথ্যা ধারণাটি তৈরি করে যে উচ্চ স্তরের সাথে ত্রুটিটির উচ্চতর পরিবর্তন রয়েছে। নোট করুন যে "অস্বাভাবিক মানগুলি" যে কোনও প্রয়োজনীয় আরিমা কাঠামোকে বিবেচনায় রেখে চিহ্নিত করা হয় যা প্রায়শই মানুষের চোখ থেকে দূরে থাকে time ট্রান্সফর্মেশনগুলির প্রয়োজন যখন সময়কালে ত্রুটির বৈকল্প্য অ স্থির থাকে না যখন পর্যবেক্ষণকৃত ওয়াইয়ের ভেরিয়েন্স সময়ের সাথে ধ্রুবক থাকে না । আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। 219 এবং 256 যা চিকিত্সাবিহীন রেখে গেছে তা মিথ্যা ধারণা তৈরি করে যে উচ্চ স্তরের সাথে ত্রুটির ত্রুটি রয়েছে। নোট করুন যে "অস্বাভাবিক মানগুলি" যে কোনও প্রয়োজনীয় আরিমা কাঠামোকে বিবেচনায় রেখে চিহ্নিত করা হয় যা প্রায়শই মানুষের চোখ থেকে দূরে থাকে time ট্রান্সফর্মেশনগুলির প্রয়োজন যখন সময়কালে ত্রুটির বৈকল্প্য অ স্থির থাকে না যখন পর্যবেক্ষণকৃত ওয়াইয়ের ভেরিয়েন্স সময়ের সাথে ধ্রুবক থাকে না । আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। 219 এবং 256 যা চিকিত্সাবিহীন রেখে গেছে তা মিথ্যা ধারণা তৈরি করে যে উচ্চ স্তরের সাথে ত্রুটির ত্রুটি রয়েছে। নোট করুন যে "অস্বাভাবিক মানগুলি" যে কোনও প্রয়োজনীয় আরিমা কাঠামোকে বিবেচনায় রেখে চিহ্নিত করা হয় যা প্রায়শই মানুষের চোখ থেকে দূরে থাকে time ট্রান্সফর্মেশনগুলির প্রয়োজন যখন সময়কালে ত্রুটির বৈকল্প্য অ স্থির থাকে না যখন পর্যবেক্ষণকৃত ওয়াইয়ের ভেরিয়েন্স সময়ের সাথে ধ্রুবক থাকে না । আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। যে কোনও প্রয়োজনীয় আরিমা কাঠামোকে বিবেচনায় নেওয়া হয় যা প্রায়শই মানুষের চোখ থেকে বাঁচে। ট্রান্সফর্মেশনগুলির প্রয়োজন যখন সময়কালে ত্রুটির বৈকল্প্য স্থির থাকে না যখন পর্যবেক্ষণকৃত ওয়াইয়ের ভেরিয়েন্স সময়ের সাথে ধ্রুবক থাকে না। আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। যে কোনও প্রয়োজনীয় আরিমা কাঠামোকে বিবেচনায় নেওয়া হয় যা প্রায়শই মানুষের চোখ থেকে বাঁচে। ট্রান্সফর্মেশনগুলির প্রয়োজন যখন সময়কালে ত্রুটির বৈকল্প্য স্থির থাকে না যখন পর্যবেক্ষণকৃত ওয়াইয়ের ভেরিয়েন্স সময়ের সাথে ধ্রুবক থাকে না। আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে। আদিম পদ্ধতিগুলি পূর্বোক্ত কোনও প্রতিকারের আগে অকাল আগেই রূপান্তর নির্বাচন করার কৌশলগত ত্রুটি করে। একটি মনে রাখতে হবে যে সহজ-মনের আরিমা মডেল শনাক্তকরণ কৌশলটি 60 এর দশকের গোড়ার দিকে তৈরি হয়েছিল তবে তার পরে অনেক উন্নয়ন / উন্নতি হয়েছে।

ডেটা পোস্ট হওয়ার পরে সম্পাদিত:

একটি যুক্তিসঙ্গত মডেলটিকে http://www.autobox.com/cms/ ব্যবহার করে সনাক্ত করা হয়েছিল যা এটি সফটওয়্যারটির একটি অংশ যা আমার পূর্বোক্ত কিছু ধারণাকে অন্তর্ভুক্ত করেছে কারণ আমি এটি বিকাশে সহায়তা করেছি। পরামিতি স্থিরতার জন্য চৌ টেস্টে ডেটা ভাগ করার পরামর্শ দেওয়া হয়েছিল এবং শেষের দিকে 94 টি পর্যবেক্ষণগুলি মডেল প্যারামিটার হিসাবে ব্যবহার করা সময়ের সাথে পরিবর্তিত হয়েছিল। এই সর্বশেষ 94 মানগুলি সহগের সমস্ত উল্লেখযোগ্য হয়ে সমীকরণ পেয়েছিল । । অবশিষ্টাংশের প্লটটি নীচের এসিএফের সাথে এলোমেলোতার পরামর্শ দিয়ে একটি যুক্তিসঙ্গত ছড়িয়ে ছিটিয়ে পরামর্শ দেয় । এটি প্রকৃত এবং শুদ্ধ গ্রাফটি আলোকিত করছে কারণ এটি সূক্ষ্ম BUT উল্লেখযোগ্য বহিরাগতদের দেখায়। । অবশেষে বাস্তব, ফিট এবং পূর্বাভাসের একটি প্লট লোগারি গ্রহণের ব্যতীত আমাদের সমস্ত কাজের সংক্ষিপ্তসার করে। এটি সর্বজনবিদিত তবে প্রায়শই ভুলে যায় যে পাওয়ার ট্রান্সফর্মগুলি ওষুধের মতো .... অযৌক্তিক ব্যবহার আপনাকে ক্ষতি করতে পারে। পরিশেষে লক্ষ্য করুন যে মডেলটির একটি এআর (2) রয়েছে তবে একটি এআর (1) কাঠামো নেই।

Comments

আমরা কেন লগ রূপান্তর নিতে পারি না? দয়া করে আর এয়ারপ্যাসেঞ্জার্স ডেটাসেটটি দেখুন, যার গুণক licতু রয়েছে the লগটি গ্রহণ করে, এটিকে যুক্তিযুক্ত itiveতুতে রূপান্তরিত করে। এছাড়াও আমরা লগ না নিলে ডেটাসেটের বৈচিত্র্য বাড়বে যেমন, এটি স্থির থাকবে না be লগ রূপান্তর না নিয়ে আমি কীভাবে এই জাতীয় ডেটাসেটটি মোকাবেলা করতে পারি? আপনি দয়া করে ব্যাখ্যা করতে পারেন?

— ব্যবহারকারী 2338823

"তার ডেটাগুলির জন্য কোনও লগারিদমিক রূপান্তরের দরকার নেই কারণ পর্যায়ক্রমে মাত্র কয়েকটি" অস্বাভাবিক "মান রয়েছে যা চিকিত্সা না করে উচ্চতর স্তরের উচ্চতর ত্রুটি বৈকল্পিকতা রয়েছে বলে মিথ্যা ধারণা তৈরি করে"। পরিবর্তনের স্থিরত্বের স্থিতিস্থাপক ধারণাটি ত্রুটি বৈকল্পিক সম্পর্কে মূল সিরিজের পরিবর্তনের বিষয়ে নয়, আর সফ্টওয়্যারটি স্বয়ংক্রিয়ভাবে ব্যতিক্রমগুলি সনাক্ত এবং সংযুক্ত করতে দেয় না। সিরিজটিতে autobox.com/cms/index.php/blog আলোচনা দেখুন । এবং অটোবক্স.com

— pdfs/

পাওয়ার-ট্রান্সফর্মের জন্য বক্স-কক্স পরীক্ষা কোনও বহিরাগতকে এইভাবে ভুল / অজান্তে পরিবর্তিত পরিবর্তনের প্রয়োজনীয়তাকে ভুলভাবে প্রস্তাব করার সাথে প্রত্যাশিত মানের সাথে সংযোগ করতে পারে। চিকিত্সা না করা সুপ্ত নির্বিচারক কাঠামো মোকাবেলা করার ভূমিকা হিসাবে বাক্সের একজন শিক্ষার্থীর কাছ থেকে সাইয়ের নিবন্ধটি ডকপ্লেয়ার.এন.এই দেখুন দেখুন , প্রথম মুহুর্তের লঙ্ঘনের সাথে যদি আপনি আচরণ / না করতে পারেন তবে আপনাকে ভুলভাবে সামঞ্জস্য করতে পারেন বিদ্যুত রূপান্তর বা জিএলএস-এর মাধ্যমে বৈসাদৃশ্যটি পরিবর্তিত হয় যেমন Tsay পয়েন্ট আউট করেছে।

— আইরিশস্ট্যাট

Answer 2

কেবল এসিএফ বা পিএসিএফের ভিজ্যুয়াল ইন্সপেকশন দ্বারা ধারণাগুলি সাফ করার জন্য আপনি একটি অস্থায়ী এআরএমএ মডেল চয়ন করতে পারেন (অনুমান করবেন না)। কোনও মডেল নির্বাচিত হয়ে গেলে আপনি সম্ভাবনা ফাংশন সর্বাধিক করে স্কোয়ারের যোগফলকে ছোট করে বা এআর মডেলের ক্ষেত্রে মুহুর্তের পদ্ধতির মাধ্যমে মডেলটি অনুমান করতে পারেন।

এসিএফ এবং পিএসিএফ পরিদর্শন করার পরে একটি এআরএমএ মডেল বেছে নেওয়া যেতে পারে। এই পদ্ধতির নিম্নলিখিত বিষয়গুলির উপর নির্ভর করে: 1) আদেশের পি এর একটি স্টেশনারি এআর প্রক্রিয়াটির এসিএফ একটি তাত্ক্ষণিক হারে শূন্যে যায়, যখন পিএসিএফ পিছিয়ে যাওয়ার পরে শূন্য হয়। ২) অর্ডার এমএ প্রক্রিয়াটির জন্য তাত্ত্বিক এসিএফ এবং পিএসিএফ বিপরীত আচরণের প্রদর্শন করে (এসিএফ পিছিয়ে যাওয়ার পরে কাটা এবং পিএসিএফ তুলনামূলকভাবে দ্রুত শূন্যে চলে যায়)।

এটি সাধারণত একটি এআর বা এমএ মডেলের ক্রম সনাক্ত করা স্পষ্ট। তবে, এমন একটি প্রক্রিয়া যার সাথে একটি এআর এবং এমএ উভয়ই অন্তর্ভুক্ত রয়েছে যার মধ্যে তারা ছাঁটা হয়েছে তা ঝাপসা হতে পারে কারণ এসিএফ এবং পিএসিএফ উভয়ই শূন্যে ক্ষয় হবে।

এগিয়ে যাওয়ার এক উপায় হ'ল নিম্ন আদেশের প্রথমে একটি এআর বা এমএ মডেল (এটি যা এসিএফ এবং পিএসিএফ আরও স্পষ্ট বলে মনে হয়) ফিট করে। তারপরে, যদি আরও কিছু কাঠামো থাকে তবে এটি অবশিষ্টাংশগুলিতে প্রদর্শিত হবে, সুতরাং অতিরিক্ত এআর বা এমএ শর্তাবলী প্রয়োজনীয় কিনা তা নির্ধারণের জন্য অবশিষ্টগুলির এসিএফ এবং পিএসিএফ পরীক্ষা করা হয়।

সাধারণত আপনাকে একাধিক মডেল চেষ্টা ও নির্ণয় করতে হবে। আপনি এআইসি দেখে তাদের তুলনা করতে পারেন।

আপনি যে এসিএফ এবং পিএসিএফ পোস্ট করেছিলেন তা প্রথমে একটি এআরএমএ (2,0,0) (0,0,1), অর্থাৎ একটি নিয়মিত এআর (2) এবং একটি মরসুমী এমএ (1) পরামর্শ দেয়। মডেলের মৌসুমী অংশটি নিয়মিত অংশ হিসাবে একইভাবে নির্ধারিত হয় তবে মৌসুমী ক্রমের পিছনে (যেমন 12, 24, 36, ... মাসিক ডেটাতে) তাকানো হয়। আপনি যদি আর ব্যবহার করে থাকেন তবে প্রদর্শিত ল্যাগগুলির ডিফল্ট সংখ্যা বাড়ানোর পরামর্শ দেওয়া হয় acf(x, lag.max = 60),।

যে প্লটটি আপনি এখন দেখান তা সন্দেহজনক নেতিবাচক সম্পর্ককে প্রকাশ করে। যদি এই প্লটটি পূর্বের প্লট হিসাবে একই ভিত্তিতে হয় তবে আপনি হয়ত অনেকগুলি ভিন্নতা নিয়েছেন। আরও দেখুন এই পোস্টে ।

আপনি অন্যান্য উত্সগুলির সাথে আরও বিশদ এখানে পেতে পারেন: টাইম সিরিজের ৩ য় অধ্যায় : পিটার জে ব্রকওয়েল এবং রিচার্ড এ ডেভিস রচিত তত্ত্ব এবং পদ্ধতি এবং এখানে ।

Comments

তুমি ঠিক বলছো. আমি একটি পার্থক্য অনেক বেশি গ্রহণ করতে পারে। যদিও আমার একটা সন্দেহ আছে। আমি লগ ডেটাতে একটি সাধারণ পার্থক্য ( i.imgur.com/1MjLzlX.png ) এবং একটি মরসুম (12) এক ( i.imgur.com/E64Sd7p.png ) করেছি। আমার কোনটি একদিকে নজর দেওয়া উচিত, মৌসুমীটি ঠিক আছে?

— 4everlearning

@ 4 বিভাজন حق আপনি আরটিতে একটি এআরআইএমএ (2,0,0) (0,1,1) ফিট করে শুরু করতে পারেনarima(x, order = c(2,0,0), seasonal = list(order = c(0,1,1))) অবশিষ্টাংশের এসিএফ এবং পিএসিএফ প্রদর্শন করে । বিশ্লেষণে আপনার উদ্বেগ হওয়া উচিত আইরিশস্ট্যাট দ্বারা উত্থাপিত আরও সমস্যা সম্পর্কে সচেতন হন।

— জাভালাকলে

ধন্যবাদ। আমি কীভাবে এই এআর এবং এমএ আদেশগুলি সন্ধান করতে যাব? এছাড়াও, আকাইকে তথ্য মানদণ্ডটি আমার মডেলের জন্য নেতিবাচক মান দেয় yield আমি বুঝতে পারি যে এটি গুরুত্বপূর্ণ নয় যদিও এটিকে অন্যান্য মডেলের সাথে কীভাবে তুলনা করা যায় তা আমি সত্যই নিশ্চিত নই, এআইসি = -797.74 এবং এআইসি = -800.00 বলুন। কোনটি পছন্দনীয়?

— 4everlearning

উপরের উত্তরে প্রদত্ত ধারণাকে অনুসরণ করে আপনি আদেশগুলি নির্ধারণ করতে পারেন। আপনি যদি দেখেন যে এসিএফ তুলনামূলকভাবে দ্রুত শূন্যে চলে যায় এবং পিএসিএফ পিছিয়ে পড়ার পরে পিছিয়ে যায় 2 তবে সম্ভবত এটি সম্ভবত একটি এআর (2) কাঠামো উপস্থিত রয়েছে। বিপরীত ধারণাটি এমএ সনাক্ত করতে প্রযোজ্য। একটি সাধারণ সুপারিশ হিসাবে, লো অর্ডারের একটি মডেল দিয়ে শুরু করুন এবং প্রাথমিক মডেলটিতে যুক্ত হওয়ার জন্য এআর বা এমএ কাঠামোগুলি সন্ধানকারী অবশিষ্টাংশগুলি পরীক্ষা করুন।

— জাভালাকলে

একটি সাধারণ নিয়ম হিসাবে, এআইসিটি যত কম তত কম মডেল হয় (ধরে নিবেন যে আপনি উভয় মডেলের একই স্কেলের ডেটা ব্যবহার করছেন, অর্থাত, সিরিজটি আপনার তুলনা করা সমস্ত মডেলের স্তরে বা লগের মধ্যে থাকা উচিত) )।

— জাভালাকলে