লিনিয়ার রিগ্রেশন মডেলটিতে পর্যায়ক্রমিক উপাদান কীভাবে যুক্ত করবেন?


17

আমার কিছু সংখ্যক ফ্রিকোয়েন্সি ডেটা রয়েছে। একটি লাইন দেখে মনে হচ্ছে এটি ডেটা অত্যন্ত ভাল ফিট করে তবে লাইনে চক্র / পর্যায়ক্রমিক উইগল রয়েছে। আমি অনুমান করতে চাই যে কখন ক্রমসংক্রান্ত ফ্রিকোয়েন্সি একটি নির্দিষ্ট মান সিতে পৌঁছাবে । যখন আমি অবশিষ্টাংশ বনাম ফিটেড মানগুলি প্লট করি তখন আমি একটি সুন্দর সাইনোসয়েডাল আচরণ পাই।Y=একটিএক্স+ +

এখন, আরও একটি জটিলতা যুক্ত করার জন্য, লক্ষ্য করুন যে অবশিষ্টগুলি প্লটগুলিতে রয়েছে

বিকল্প পাঠ

অন্যের তুলনায় দুটি চক্রের মান কম থাকে, যা সপ্তাহান্তে প্রভাব উপস্থাপন করে যা অবশ্যই বিবেচনায় নেওয়া উচিত।

তো, আমি এখান থেকে কোথায় যাব? আমি কীভাবে কোনও কোসাইন, সাইন, বা চক্রীয় শব্দটিকে প্রায় কোনও রিগ্রেশন মডেলটিতে একত্রিত করতে পারি। অনুমান যখন ক্রমসংক্রান্ত ফ্রিকোয়েন্সি সমান হবে ?

উত্তর:


9

আপনি দুর্দান্ত stl()পদ্ধতিটি চেষ্টা করতে পারেন - এটি পচে যায় (পুনরাবৃত্ত loess()ফিটিং ব্যবহার করে ) প্রবণতা এবং seasonতু এবং বাকী অংশে। এটি কেবল আপনার দোলকাগুলি এখানে নিতে পারে।


8

যদি আপনি দোলনের ফ্রিকোয়েন্সি জানেন তবে আপনি দুটি অতিরিক্ত ভবিষ্যদ্বাণী অন্তর্ভুক্ত করতে পারেন, পাপ (2t ডাব্লু) এবং কোস (2π ডাব্লুটি) - পছন্দসই তরঙ্গদৈর্ঘ্য পেতে সেট ডাব্লু - এবং এটি দোলনের মডেল করবে। প্রশস্ততা এবং ধাপের কোণে ফিট করার জন্য আপনার উভয় পদ দরকার। যদি একাধিক ফ্রিকোয়েন্সি থাকে তবে প্রতিটি ফ্রিকোয়েন্সিটির জন্য আপনার একটি সাইন এবং কোসাইন পদ প্রয়োজন।

ফ্রিকোয়েন্সিগুলি কী কী তা আপনি যদি না জানেন, তবে একাধিক ফ্রিকোয়েন্সিগুলি আলাদা করার স্ট্যান্ডার্ড উপায় হ'ল ডেটা হ্রাস করা (যেমনটি আপনি করেছেন তেমন লিনিয়ার ফিট থেকে রেসিডুয়ালগুলি পান) এবং অবশিষ্টাংশের বিরুদ্ধে একটি পৃথক ফুরিয়ার ট্রান্সফর্ম চালানো। এটি করার একটি দ্রুত এবং নোংরা উপায় হ'ল এমএস-এক্সেল, যা ডেটা অ্যানালাইসিস অ্যাড-ইন-এ ফুরিয়ার অ্যানালাইসিস সরঞ্জাম রয়েছে। অবশিষ্টাংশের বিরুদ্ধে বিশ্লেষণ চালান, রূপান্তরগুলির পরম মান নিন এবং ফলাফলটি গ্রাফ বার করুন। শিখরগুলি হ'ল আপনার প্রধান ফ্রিকোয়েন্সি উপাদান যা আপনি মডেল করতে চান।

আপনি যখন এই চক্রীয় ভবিষ্যদ্বাণী যুক্ত করেন, তখন আপনার প্রতিরোধের ক্ষেত্রে তাদের পি-মানগুলিতে ঘনিষ্ঠ মনোযোগ দিন এবং অত্যধিক উপকার পাবেন না। কেবলমাত্র সেই ফ্রিকোয়েন্সিগুলি ব্যবহার করুন যা পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ। দুর্ভাগ্যক্রমে, এটি স্বল্প ফ্রিকোয়েন্সিগুলি সামান্য জটিল করে তুলতে পারে।


2
আপনি যখন ডেটা থেকে ফ্রিকোয়েন্সিগুলি অনুমান করেন (যেমন ফুরিয়ার বিশ্লেষণের সাথে) এবং তারপরে এগুলিকে রিগ্রেশনে পাপ / কোস পদ হিসাবে অন্তর্ভুক্ত করেন, তখন তাদের পি-মানগুলি অর্থহীন হবে।
whuber

4

আসুন পর্যবেক্ষণ করে শুরু করুন যে এই ডেটাগুলির জন্য উপযুক্ত সর্বনিম্ন স্কোয়ারগুলি যথাযথভাবে অনুপযুক্ত। পৃথক ডেটা সঞ্চিত হচ্ছে এমন অধিকৃত হয়, স্বাভাবিক হিসাবে, র্যান্ডম ত্রুটি উপাদান, তারপর ক্রমসঞ্চিত তথ্য (ত্রুটি আছে না ক্রমসঞ্চিত ফ্রিকোয়েন্সি চেয়ে আলাদা কিছু নয়) সমস্ত ত্রুটি শর্তের সংশ্লেষ যোগফল। এটি সংশ্লেষিত ডেটা হেটেরোসেসটেস্টিক করে তোলে (তারা সময়ের সাথে সাথে আরও বেশি পরিবর্তনশীল হয়ে ওঠে) এবং দৃ strongly়ভাবে ইতিবাচকভাবে সম্পর্কযুক্ত। যেহেতু এই ডেটাগুলি নিয়মিত আচরণ করা হয় এবং এগুলির মধ্যে অনেক কিছুই রয়েছে, ফিটের সাথে সামান্য সমস্যা আছে আপনি পাবেন, কিন্তু ত্রুটি আপনার অনুমান, আপনার ভবিষ্যৎবাণী (যা কি প্রশ্ন সব সম্পর্কে), এবং বিশেষত আপনার পূর্বাভাসের স্ট্যান্ডার্ড ত্রুটিগুলি বন্ধ হয়ে যেতে পারে।

এই জাতীয় ডেটা বিশ্লেষণের জন্য একটি মানক পদ্ধতিটি মূল মানগুলির সাথে শুরু হয়। উচ্চ-ফ্রিকোয়েন্সি সাইনোসয়েডাল উপাদানটি সরাতে দিনের পার্থক্য নিন Take একটি সাপ্তাহিক থেকে সপ্তাহের সম্ভাব্য চক্রটি সরিয়ে নিতে তাদের সাপ্তাহিক পার্থক্য নিন। কী বাকী আছে তা বিশ্লেষণ করুন। আরিমা মডেলিং একটি শক্তিশালী নমনীয় পন্থা, তবে সহজভাবে শুরু করুন: কী চলছে তা দেখার জন্য সেই ডিফারেন্ট ডেটাগুলি গ্রাফ করুন, তারপরে সেখান থেকে এগিয়ে যান। আরও মনে রাখবেন, দুই সপ্তাহেরও কম ডেটা সহ আপনার সাপ্তাহিক চক্রের অনুমানগুলি দরিদ্র হবে এবং এই অনিশ্চয়তা ভবিষ্যদ্বাণীগুলির অনিশ্চয়তার উপর প্রভাব ফেলবে।


2

স্পষ্টতই প্রভাবশালী দোলনের একটি সময়কাল রয়েছে। দেখে মনে হচ্ছে যে সপ্তাহের দিন সম্পর্কিত নিম্ন-ফ্রিকোয়েন্সি উপাদানগুলিও রয়েছে, তাই এক সপ্তাহে ফ্রিকোয়েন্সি সহ একটি উপাদান (অর্থাত্ এক দিনের সপ্তমী) এবং এটির প্রথম কয়েকটি সুরেলা যুক্ত করুন। এটি ফর্মের একটি মডেল দেয়:

E(y)=c+a0cos(2πt)+b0sin(2πt)+a1cos(2πt/7)+b1sin(2πt/7)+a2cos(4πt/7)+b2sin(4πt/7)+

ty


-2

সাইন (বা কোসাইন) সিরিজের ক্রমবৃদ্ধি, সময়কাল এবং পর্যায় ক্রমানুসারে সংযুক্ত করে কেন কেবল একটি জিএ ব্যবহার করবেন না। নিম্নলিখিতটি অনুকূলিত করুন: (এন (এন -1) / ((এনপি -1) ^ 2 (এনপি -2))) আরএসএস


1
এটি একটি স্পষ্ট নয় যে এটি একটি বিপরীতমুখী ফ্রিকোয়েন্সি ফাংশন গণনা সম্পর্কে প্রশ্নের উত্তর দেয়। এবং আপনি "জিএ" বলতে কী বোঝায়? জেনেটিক অ্যালগোরিদম? অন্যকিছু?
whuber
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.