স্বতঃসংশোধনের কাজ কী?

Question

কেউ কি টাইম সিরিজের ডেটাতে স্বতঃসংশোধনের কাজটি ব্যাখ্যা করতে পারে? ডেটাতে এসিফ প্রয়োগ করা, অ্যাপ্লিকেশনটি কী হবে?

Comments

কোনও সময়ের সিরিজের স্বতঃসংশোধন ফাংশন থেকে কী পড়ার

— অ্যান্ডি

প্রশস্ত ইন্দ্রিয় স্টেশনারি টাইম সিরিজের প্রসঙ্গে এটি তার পিছনে থাকা সংস্করণে কোনও সময়ের সিরিজের নির্ভরতার একটি পরিমাপ দেয়।

— ক্যাগডাস ওজজেঙ্ক

এটি একটি সময় সিরিজের পূর্ববর্তী মানগুলি দ্বারা বর্তমান মানকে কতটা প্রভাবিত করে তার একটি পরিমাপ।

— htrahdis

@htrahdis স্ট্যান্ডার্ড রিগ্রেশন সেটিংয়ের মতো, প্রভাব (বা কার্যকারণ) এর সাথে বিবাদযুক্ত পারস্পরিক সম্পর্ক থেকে সাবধান থাকুন ।

— whuber

@ অ্যান্ডি যে থ্রেডটি সত্যই অনুরূপ দেখাচ্ছে - এটি সনাক্ত করার জন্য আপনাকে ধন্যবাদ - তবে স্বীকৃত (এবং কেবলমাত্র) উত্তরটি এই প্রশ্নের সরাসরি সমাধান করে না: এটি একটি নির্দিষ্ট এসিএফকে কেন্দ্র করে। এর ফলে এটি কীভাবে এসিএফকে ব্যাখ্যা করা যায় তার একটি চিত্রণ সরবরাহ করে তবে এ বিষয়টি সম্পর্কে সাধারণভাবে এসিএফ-এর ব্যাখ্যা দেওয়ার জন্য উপস্থিত অনুরোধটির কোনও প্রতিক্রিয়া জানায় কিনা তা আমার কাছে অস্পষ্ট।

— হোবল

Answer 1

নিয়মিত স্যাম্পলিং ডেটার থেকে পৃথক, সময়-সিরিজের ডেটা অর্ডার করা হয়। অতএব, আপনার নমুনা সম্পর্কে অতিরিক্ত তথ্য আপনি যে পারে সদ্ব্যবহার, যদি সেখানে দরকারী সময়গত নিদর্শন আছে। অটোক্রেলেশন ফাংশন হ'ল ডেটাতে নিদর্শনগুলি সন্ধান করতে ব্যবহৃত একটি সরঞ্জাম। বিশেষত, স্বতঃসংশোধন ফাংশন আপনাকে বিভিন্ন সময়ের ব্যবধান দ্বারা পৃথক করা পয়েন্টগুলির মধ্যে সম্পর্ক বলে। উদাহরণস্বরূপ, আলাদা সময়সীমার সাথে একটি সিরিজের জন্য এখানে কয়েকটি সম্ভাব্য এসিএফ ফাংশন মান রয়েছে:

স্বরলিপিটি হ'ল এসিএফ (এন = পয়েন্টগুলির মধ্যে সময়কাল সংখ্যা) = এন সময়কাল দ্বারা পৃথক করা পয়েন্টগুলির মধ্যে পারস্পরিক সম্পর্ক। আমি এন এর প্রথম কয়েকটি মানগুলির উদাহরণ দেব।

এসিএফ (0) = 1 (সমস্ত তথ্য একে অপরের সাথে পুরোপুরি সম্পর্কযুক্ত), এসিএফ (1) =। 9 (একটি পয়েন্ট এবং পরবর্তী পয়েন্টের মধ্যে পারস্পরিক সম্পর্ক 0.9), এসিএফ (2) =। 4 (একটি বিন্দুর মধ্যে সম্পর্ক) এবং দুই দফায় এগিয়ে যাওয়ার সময়টি হল 0.4) ... ইত্যাদি।

সুতরাং, এসিএফ আপনাকে জানায় যে কতগুলি ধাপের দ্বারা পৃথক করা হয় তার উপর ভিত্তি করে একে অপরের সাথে কী সম্পর্কযুক্ত পয়েন্ট রয়েছে। এটি স্বতঃসংশ্লিষ্টতার সূচনা, সময় বিচ্ছেদের বিভিন্ন মানগুলির জন্য, এটি কীভাবে অতীতের ডেটা পয়েন্টগুলি ভবিষ্যতের ডেটা পয়েন্টগুলির সাথে সম্পর্কিত। সাধারণত, আপনি আশা করতে চেয়েছিলেন যে পয়েন্টগুলি আরও পৃথক হয়ে যাওয়ার সাথে সাথে অটোকোরেলিকেশন ফাংশনটি 0 এর দিকে নেমে আসবে (অর্থাত্ উপরের স্বরলিখিতিতে এন বড় হয়ে যায়) কারণ প্রদত্ত ডেটা সেট থেকে ভবিষ্যতে ভবিষ্যদ্বাণী করা সাধারণত তার পক্ষে কঠিন। এটি কোনও নিয়ম নয়, তবে সাধারণ।

এখন, দ্বিতীয় অংশে ... কেন আমরা যত্ন নিই? এসিএফ এবং এর বোন আংশিকভাবে কাজ করেঅতীত ও ভবিষ্যতের ডেটা পয়েন্টগুলি কীভাবে কোনও সময়ের সিরিজের সাথে সম্পর্কিত তা নির্ধারণ করতে বাক্স-জেনকিনস / এআরআইএমএ মডেলিং পদ্ধতির মধ্যে অটোোক্রেলেশন ফাংশন (কিছুটা এই বিষয়ে আরও) ব্যবহৃত হয়। আংশিক অটোকোরিলেশন ফাংশন (পিএসিএফ) দুটি পয়েন্টের মধ্যে পারস্পরিক সম্পর্ক হিসাবে বিবেচনা করা যেতে পারে যা কিছু সংখ্যক পিরিয়ড দ্বারা পৃথক করা হয় এন, কিন্তু হস্তক্ষেপের পারস্পরিক সম্পর্কের প্রভাবের সাথে মুছে ফেলা হয়। এটি গুরুত্বপূর্ণ কারণ এটি বলতে দিন যে বাস্তবে, প্রতিটি ডেটা পয়েন্ট কেবলমাত্র নেক্সট ডেটা পয়েন্টের সাথে সরাসরি সম্পর্কিত হয় এবং অন্য কোনওটি নয়। তবে এটি প্রদর্শিত হবে যেন বর্তমান পয়েন্টটি ভবিষ্যতে আরও পয়েন্টগুলির সাথে সম্পর্কিত হয় তবে কেবল একটি "চেইন রিঅ্যাকশন" টাইপ ইফেক্টের কারণে, যেমন টি 1 সরাসরি টি 2 এর সাথে সরাসরি সম্পর্কযুক্ত যা টি 3 এর সাথে সরাসরি সম্পর্কযুক্ত, সুতরাং এটি দেখতে পছন্দ করে টি 1 সরাসরি টি 3 এর সাথে সম্পর্কিত হয়। পিএসিএফ টি 2 এর সাথে আন্তঃসম্পর্কীয় সম্পর্ককে সরিয়ে ফেলবে যাতে আপনি আরও নিখুঁতভাবে নিদর্শনগুলি আবিষ্কার করতে পারেন। এটির জন্য একটি দুর্দান্ত পরিচয়এখানে.

, NIST প্রকৌশল পরিসংখ্যান হ্যান্ডবুকে, অনলাইন, এছাড়াও একটি অধ্যায় রয়েছে এই এবং একটি উদাহরণ সময় সিরিজ বিশ্লেষণ autocorrelation এবং আংশিক autocorrelation ব্যবহার করে। আমি এখানে এটি পুনরুত্পাদন করব না, তবে এটির মাধ্যমে যাবেন এবং আপনার স্বতঃসংশোধনের আরও ভাল ধারণা হওয়া উচিত।

Answer 2

আমি আপনাকে অন্য একটি দৃষ্টিকোণ দিন।

সময় সিরিজের বর্তমান মানগুলির সাথে টাইম সিরিজের ল্যাগ করা মানগুলি প্লট করুন।

আপনি যে গ্রাফটি দেখছেন তা যদি লিনিয়ার হয়, তার অর্থ সময় সিরিজের ল্যাগড মানগুলি বনাম সময়ের সিরিজের বর্তমান মানের মধ্যে লিনিয়ার নির্ভরতা রয়েছে।

স্বাবলম্বন মানগুলি সেই নির্ভরতার লিনিয়ারিটি পরিমাপ করার সবচেয়ে সুস্পষ্ট উপায়।