LoslegenKostenlos starten

Konfidenzintervalle für die Prognose

Dein Prognose-Objekt forecast_MET_t enthält nicht nur die Vorhersage, sondern auch Fehlerspannen für die Prognose, sogenannte Konfidenzintervalle. Diese Konfidenzintervalle zeigen uns einen Toleranzbereich, denn keine Prognose ist perfekt.

Die Prognose wurde als Objekt forecast_MET_t$mean gespeichert. Die obere und untere Grenze dieses Intervalls ist ähnlich gespeichert. Die zweite Spalte des oberen Konfidenzintervalls ist das 95%-Konfidenzintervall und kann über forecast_MET_t$upper[,2] abgerufen werden. Ersetze für die Untergrenze das Wort upper durch lower.

Diese Übung ist Teil des Kurses

<Kurs>Prognose der Produktnachfrage in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Wandle sowohl die obere als auch die untere 95%-Konfidenzgrenze in xts-Objekte upper und lower um. Dein Datumsindex ist in for_dates gespeichert.
  • Füge diese dem Plot der Prognose und des Validierungsdatensatzes hinzu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Plot the validation data set
plot(MET_t_valid, main = 'Forecast Comparison', ylim = c(4000, 8500))

# Overlay the forecast of 2017
lines(for_MET_t_xts, col = "blue")

# Convert the limits to xts objects
lower <- xts(forecast_MET_t$___[,2], order.by = ___)
upper <- xts(___$___[,___], order.by = for_dates)

# Adding confidence intervals of forecast to plot
lines(lower, col = "blue", lty = "dashed")
lines(___, col = "blue", lty = "dashed")
Code bearbeiten und ausführen