এই খুঁজে পাওয়া কঠিন হতে পারে, কিন্তু আমি পড়তে চাই একটি ভালভাবে ব্যাখ্যা Arima উদাহরণ যে
ন্যূনতম গণিত ব্যবহার করে
নির্দিষ্ট কেসগুলির পূর্বাভাস দেওয়ার জন্য সেই মডেলটি ব্যবহার করে কোনও মডেল তৈরির বাইরে আলোচনাটি প্রসারিত করে
পূর্বাভাস এবং আসল মানগুলির মধ্যে ফিটকে বৈশিষ্ট্যযুক্ত করার জন্য গ্রাফিক্সের পাশাপাশি সংখ্যাগত ফলাফলগুলি ব্যবহার করে।
উত্তর:
আমার প্রস্তাবিত পাঠাগারটি এআরআইএমএ মডেলিংয়ের কাছে পড়তে হবে
আর ম্যাকক্লারি দ্বারা 1980 সালে সামাজিক বিজ্ঞানের জন্য প্রয়োগকৃত সময় সিরিজ বিশ্লেষণ ; আরএ খড়; ইই মেডিঞ্জার; ডি ম্যাকডোয়াল
এটি সামাজিক বিজ্ঞানীদের লক্ষ্য যাতে গাণিতিক চাহিদা খুব কঠোর হয় না। আরও ছোট চিকিত্সার জন্য আমি দুটি সেজ গ্রিন বইয়ের পরামর্শ দেব (যদিও তারা ম্যাকক্লারি বইয়ের সাথে সম্পূর্ণ অপ্রয়োজনীয়),
অস্ট্রোম পাঠ্যটি কেবল এআরএমএ মডেলিং এবং পূর্বাভাস নিয়ে আলোচনা করে না। আমি মনে করি না তারা গ্রাফিকিংয়ের পূর্বাভাস ত্রুটির জন্য আপনার প্রয়োজনীয়তাটি পূরণ করবে। আমি নিশ্চিত যে আপনি এই ফোরামে সময়-সিরিজের সাথে ট্যাগযুক্ত প্রশ্নগুলি পরীক্ষা করে আরও দরকারী সংস্থান খনন করতে পারেন।
আমি চেষ্টা করব এবং সোজাভাবে "প্রশ্নের জবাব দিতে" এবং বিষয়টিতে থাকার জন্য কৌতুকের স্নিগ্ধ অনুরোধের জবাব দেব। আমাদের দেওয়া হয়েছে "দ্য এয়ারলাইন সিরিজ" নামে একটি সিরিজের 144 মাসিক রিডিং। বিপরীত লগড রূপান্তর "বিস্ফোরক প্রকৃতির" কারণে উচ্চতর দিকে বন্যভাবে ছিল এমন একটি পূর্বাভাস সরবরাহ করার জন্য বক্স এবং জেনকিনদের ব্যাপক সমালোচনা হয়েছিল।
দৃশ্যত আমরা এই ধারণাটি পেয়েছি যে সিরিজের স্তরটির সাথে মূল সিরিজের প্রকরণটি পরিবর্তনের প্রয়োজনের পরামর্শ দেয় increases তবে আমরা জানি যে একটি দরকারী মডেলের জন্য একটি প্রয়োজনীয়তা হ'ল "মডেল ত্রুটি" এর বৈকল্পিক একজাতীয় হওয়া দরকার। মূল সিরিজের ভিন্নতা সম্পর্কে কোনও অনুমানের প্রয়োজন নেই। তারা অভিন্ন যদি মডেলটি কেবল ধ্রুবক অর্থাৎ y (টি) = u হয়। যেহেতু /stats//users/2392/probabilityislogic ভিন্নতা / ভিন্ন ভিন্নতা ব্যাখ্যা করার পরামর্শ সম্পর্কে তার প্রতিক্রিয়াতে এতটা স্পষ্টভাবে বলেছিলেন “একটি জিনিস যা আমি সবসময় মজাদার মনে করি তা হ'ল এই" ডেটার অ-স্বাভাবিকতা "যা মানুষ চিন্তিত করে সম্পর্কিত. ডেটা সাধারণত বিতরণ করার প্রয়োজন হয় না, তবে ত্রুটির শব্দটি হয় "
সময় সিরিজের শুরুর কাজ প্রায়শই ভুল করে অনিয়ন্ত্রিত রূপান্তরের বিষয়ে সিদ্ধান্তে ঝাঁপিয়ে পড়ে। আমরা এখানে আবিষ্কার করব যে এই ডেটাটির প্রতিকারের রূপান্তরটি হ'ল এআরআইএমএ মডেলটিতে তিনটি সূচক ডামি সিরিজটি কেবল তিনটি অস্বাভাবিক ডেটা পয়েন্টের সমন্বয়কে প্রতিফলিত করে। নিম্নলিখিত 12 (.76) এবং লেগ 1 (.948) এ শক্তিশালী স্বতঃসংশোধনের পরামর্শ দেয় স্বতঃসংশোধনের ক্রিয়াকলাপের নীচে। স্বতঃসিদ্ধকরণগুলি কেবলমাত্র এমন মডেলটিতে রিগ্রেশন সহগ হয় যেখানে y নির্ভরশীল পরিবর্তনশীল হ'ল লম্বা y দ্বারা পূর্বাভাস দেওয়া হয়।
! 
উপরের বিশ্লেষণে পরামর্শ দেওয়া হয় যে একটি মডেল সিরিজের প্রথম পার্থক্যগুলি এবং অধ্যয়ন করে যে "অবশিষ্টাংশের সিরিজ" যা এটির বৈশিষ্ট্যগুলির জন্য প্রথমে প্রথম পার্থক্যের অনুরূপ।
এই বিশ্লেষণটি এই ধারণাটিকে পুনরায় নিশ্চিত করে যে দুটি শক্তিশালী অপারেটর রয়েছে এমন একটি মডেল দ্বারা প্রতিকার বা মডেল করা যেতে পারে এমন একটি শক্তিশালী মৌসুমী প্যাটার্ন উপস্থিত রয়েছে।
এই সাধারণ ডাবল ডিফারেন্সিংয়ের ফলে একটি সামঞ্জস্যপূর্ণ সিরিজ বা আস্তে আস্তে এমন একটি রূপান্তরিত সিরিজের কথা বলা হয় যা স্থির অবিচ্ছিন্নতার প্রমাণ দেয় তবে অ-ধ্রুবক পরিবর্তনের কারণটি অবশিষ্টাংশগুলির অ-ধ্রুবক গড়। এখানে একটি প্লট is দ্বিগুণভাবে পার্থক্যযুক্ত সিরিজ, সিরিজটির শেষে তিনটি বিপরীতে পরামর্শ দেয়। এই সিরিজের স্বতঃসংশোধন মিথ্যাভাবে নির্দেশ করে যে "সবকিছু ঠিক আছে" এবং কোনও মা (1) সামঞ্জস্যের প্রয়োজন হতে পারে। ডেটাতে অসংলগ্নতার পরামর্শ থাকায় যত্ন নেওয়া উচিত কারণ এফটি নীচের দিকে পক্ষপাতদুষ্ট থাকে। এটি "অ্যালিস ইন ওয়ান্ডারল্যান্ড এফেক্ট" হিসাবে পরিচিত, অর্থাত্ অনুমানের একটি লঙ্ঘনের দ্বারা যখন কাঠামোটি মাস্ক করা হচ্ছে তখন কোনও প্রমাণ কাঠামোর নাল অনুমানকে গ্রহণ করা।
আমরা দৃশ্যত তিনটি অস্বাভাবিক পয়েন্ট সনাক্ত করি (117,135,136)
আউটলিয়ারদের সনাক্তকরণের এই পদক্ষেপকে হস্তক্ষেপ সনাক্তকরণ বলা হয় এবং সাইয়ের কাজ অনুসরণ করে খুব সহজেই প্রোগ্রামিং করা যেতে পারে বা খুব সহজেই করা যায় না।
আমরা যদি মডেলটিতে তিনটি সূচক যুক্ত করি তবে আমরা পাই
আমরা তখন অনুমান করতে পারি
এবং অবশিষ্টাংশ এবং এসিফের একটি প্লট গ্রহণ করুন
এই এসিফ পরামর্শ দেয় যে আমরা মডেলটিতে সম্ভাব্য দুটি চলন্ত গড় সহগকে যুক্ত করব। সুতরাং পরবর্তী অনুমান মডেল হতে পারে।
প্রদায়ক
এরপরে কেউ অ-উল্লেখযোগ্য ধ্রুবকটিকে মুছে ফেলতে এবং একটি পরিশোধিত মডেল পেতে পারে:
আমরা নোট করি যে স্থির বৈকল্পিকের একটি সেট অবশিষ্টাংশ পেতে কোনও পাওয়ার ট্রান্সফর্মেশন প্রয়োজন হয়নি। নোট করুন যে পূর্বাভাসগুলি অ-বিস্ফোরক।
সরল ওজনের যোগফলের ক্ষেত্রে আমাদের রয়েছে: 13 টি ওজন; 3 অ-শূন্য এবং সমান (1.0.1,0।, - 1.0)
মডেলিং সিদ্ধান্ত নেওয়ার ক্ষেত্রে এই উপাদানটি এমনভাবে উপস্থাপিত হয়েছিল যা অ-স্বয়ংক্রিয় এবং ফলস্বরূপ ব্যবহারকারীর মিথস্ক্রিয়তার প্রয়োজন ছিল।
আমি মাক্রিডাকিস এবং হুইলরাইটের সাথে আমার 1998 এর পাঠ্যপুস্তকের 7 অধ্যায়ে এটি করার চেষ্টা করেছি । আমি সফল হই বা না থাকুক আমি অন্যকে বিচারের জন্য ছেড়ে দেব। আপনি অ্যামাজনের মাধ্যমে অনলাইনে অধ্যায়টি পড়তে পারেন (p311 থেকে)। আপনাকে প্রাসঙ্গিক পৃষ্ঠাগুলি দেখানোর জন্য অ্যামাজনকে প্ররোচিত করার জন্য বইটিতে "আরিমা" অনুসন্ধান করুন।
আপডেট: আমার কাছে একটি নতুন বই রয়েছে যা বিনামূল্যে এবং অনলাইন। Arima অধ্যায় এখানে ।
আমি ইউনিভারিয়েট বক্স - জেনকিনস মডেলস: অ্যালান পঙ্ক্রাটজের ধারণাগুলি এবং কেসগুলির সাথে পূর্বাভাসের প্রস্তাব দেব । এই ক্লাসিক বইটিতে আপনি যে সমস্ত বৈশিষ্ট্য চেয়েছিলেন তা রয়েছে:
এর একমাত্র অসুবিধা হ'ল এটি 1983 এ মুদ্রিত হয়েছিল এবং সাম্প্রতিক কিছু অগ্রগতি নাও হতে পারে। প্রকাশক আপডেটগুলি সহ 2014 জানুয়ারিতে একটি দ্বিতীয় সংস্করণ নিয়ে আসছেন।
একটি আরিমা মডেল কেবল একটি ওজনযুক্ত গড় ighted এটি দ্বিগুণ প্রশ্নের উত্তর দেয়;
এবং
এটি সিরিজটি প্রজেক্ট করার জন্য কীভাবে পূর্ববর্তী মানগুলিতে (এবং পূর্বের মানগুলি এককভাবে) কীভাবে সামঞ্জস্য করতে হয় তা নির্ধারণ করার জন্য মেয়ের প্রার্থনার জবাব দেয় (যা সত্যই অনির্দিষ্ট কারণের কারণে ঘটছে) এইভাবে একটি আরিমা মডেল একজন দরিদ্র মানুষের কার্যকারিতা মডেল।