এটি আরও অর্থবহ দেখানোর জন্য কোনও টাইম সিরিজকে একত্রিত করার জন্য বৈধ?


10

আমার কাছ থেকে টাইম সিরিজ সম্পর্কে আরও একটি প্রশ্ন।

আমার কাছে একটি ডেটাসেট রয়েছে যা মানসিক রোগের হাসপাতালে তিন বছরেরও বেশি সময় ধরে হিংসাত্মক ঘটনাগুলির নথিভুক্ত করে। আমার আগের প্রশ্নটির সাহায্যে আমি এটির সাথে ফেটে যাচ্ছি এবং এটি সম্পর্কে এখন কিছুটা খুশি।

আমার কাছে এখন জিনিসটি হ'ল দৈনিক সিরিজটি খুব শোরগোলের। এটি 0 থেকে 20 অবধি 20 পর্যন্ত বুনোভাবে ওঠানামা করে ess

তবে সাপ্তাহিক বা মাসিক ডেটা একত্রিত করা আরও অনেক বেশি অর্থবোধ করে। তারা সিরিজটির শুরু থেকেই ঝাপিয়ে পড়ে এবং তারপরে আবার মাঝখানে বেড়ে যায়। লোস প্লট করা এবং পূর্বাভাস প্যাকেজ উভয়ই এমন কিছু উত্পাদন করে যা অনেক বেশি অর্থবহ লাগে।

এটি যদিও কিছুটা প্রতারণার মতো অনুভব করে। আমি কি কেবল সংহত সংস্করণগুলিকেই প্রাধান্য দিচ্ছি কারণ এগুলির সত্যিকারের কোনও বৈধতা না দিয়ে তারা দুর্দান্ত দেখাচ্ছে?

অথবা মুভিং এভারেজ গণনা করা এবং এটি ভিত্তি হিসাবে ব্যবহার করা ভাল? আমি ভয় পাচ্ছি যে আমি গ্রহণযোগ্য কি তা সম্পর্কে আত্মবিশ্বাসের জন্য এই সমস্তগুলির পিছনে তত্ত্বটি ভালভাবে বুঝতে পারি না

উত্তর:


8

এটি সম্পূর্ণরূপে আপনার সময়ের সিরিজ এবং আপনি কী প্রভাব / প্রমাণ ইত্যাদি আবিষ্কার করতে চান তার উপর নির্ভর করে

এখানে একটি গুরুত্বপূর্ণ বিষয় হ'ল আপনার ডেটাতে আপনার কী ধরণের পিরিয়ড থাকে। আপনার ডেটা বর্ণালী তৈরি করুন এবং দেখুন আপনার ডেটাতে কী ফ্রিকোয়েন্সি সাধারণ।

যাইহোক, আপনি সম্মিলিত মানগুলি প্রদর্শন করার সিদ্ধান্ত নেওয়ার সময় মিথ্যা বলছেন না। আপনি যখন কয়েক সপ্তাহ ধরে ঘটে এমন প্রভাবগুলির দিকে নজর রাখছেন (যেমন গরমের সময় আরও বেশি সহিংসতা থাকে) তখন এটি করা সঠিক কাজ right

হতে পারে আপনি হিলবার্ট হুয়াং ট্রান্সফর্মও একবার দেখে নিতে পারেন। এটি আপনাকে অন্তর্নিহিত মোড ফাংশন দেবে যা ভিজ্যুয়াল বিশ্লেষণের জন্য খুব কার্যকর।


12

সংকেত / শব্দের অনুপাত বাড়ানোর জন্য সামগ্রিক ডেটা পূর্বাভাস দেওয়া খুব সাধারণ। অর্থনীতিতে পূর্বাভাসের নির্ভুলতার উপর অস্থায়ী একীকরণের প্রভাব সম্পর্কে কয়েকটি পত্র রয়েছে। আপনি সম্ভবত প্রতিদিনের ডেটাতে যা দেখছেন তা হ'ল একটি দুর্বল সংকেত যা শোরগোল দ্বারা ভেসে উঠছে, অন্যদিকে সাপ্তাহিক এবং মাসিক তথ্য একটি দৃ stronger় সংকেত দেখাচ্ছে যা আরও দৃশ্যমান।

আপনি অস্থায়ী একত্রিতকরণ ব্যবহার করতে চান কিনা তা সম্পূর্ণরূপে আপনার উদ্দেশ্য কী তার উপর নির্ভর করে। আপনার যদি প্রতিদিনের ঘটনার পূর্বাভাসের প্রয়োজন হয় তবে সমষ্টিটি খুব বেশি কাজে আসবে না। আপনি যদি ঘটনার ফ্রিকোয়েন্সি নিয়ে বেশ কয়েকটি কোভেরিয়ারের প্রভাবগুলি অনুসন্ধান করতে আগ্রহী হন এবং আপনার সমস্ত ডেটা প্রতিদিনের ভিত্তিতে পাওয়া যায় তবে আমি সম্ভবত প্রতিদিনের ডেটা ব্যবহার করব কারণ এটি একটি বৃহত নমুনার আকার দেবে এবং সম্ভবত আপনাকে সনাক্ত করতে সক্ষম করবে প্রভাব আরও সহজে।

আপনি যেহেতু পূর্বাভাস প্যাকেজটি ব্যবহার করছেন, সম্ভবত আপনি সময় সিরিজের পূর্বাভাসে আগ্রহী। তাহলে আপনার কি দৈনিক পূর্বাভাস, সাপ্তাহিক পূর্বাভাস বা মাসিক পূর্বাভাসের প্রয়োজন? উত্তরটি আপনার পক্ষে একত্রিত করা উপযুক্ত কিনা তা নির্ধারণ করবে।


1

আপনার মুখোমুখি সমস্যা (দ্বিধা) আপনার পূর্বাভাসকে পুনর্বিবেচনার জন্য সর্বাধিক নমুনা ব্যবধান (বা অন্যথায় ভাল) বেছে নেওয়ার মধ্যে একটি বলে মনে হচ্ছে। শুরু করার জন্য, ব্রাউনটির বিখ্যাত বইয়ের লিঙ্ক পাঠ্যটি দেখুন, এটি একটি ভাল রেফারেন্স হিসাবে যোগ্যও হবে। এটি "ডেটার অন্তর্নিহিত পরিবর্তনশীলতা এবং ঘন ঘন পুনর্বিবেচনার পরিকল্পনার ব্যয়ের বিরুদ্ধে দ্রুত কোনও পরিবর্তন লক্ষ্য না করার ঝুঁকির মধ্যে ভারসাম্য বয়ে যায়" all আপনি যদি প্রতিদিন আপনার পূর্বাভাস (এবং সিদ্ধান্তগুলি উদ্দীপিত করে) সংশোধন করতে প্রস্তুত না হন তবে আপনার অবশ্যই (নয়েস্ট) দৈনিক ডেটা ব্যবহার করার দরকার নেই। সমসাময়িক পূর্বাভাস সাহিত্যে প্রায়শই হারিয়ে যাওয়া একটি গুরুত্বপূর্ণ বিষয়টি হ'ল, পূর্বাভাসগুলি কেবলমাত্র কোনও সিদ্ধান্ত নেওয়ার ক্ষেত্রে সহায়তা করা প্রয়োজন (যদি না কেউ সেগুলি থেকে কীভাবে মজা উপার্জন করতে জানে)।

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.