1. 학습
    2. /
  2. 강의
    3. /
  3. Prognozowanie w R
Connected

연습 문제

Naiwne metody prognozowania

Jak pokazano w filmie, prognoza to średnia lub mediana symulowanych przyszłych wartości szeregu czasowego.

Najprostsza metoda prognozowania polega na użyciu ostatniej zaobserwowanej wartości – nazywamy ją prognozą naiwną i można ją zastosować za pomocą funkcji o tej samej nazwie. Dla wielu szeregów czasowych, w tym większości danych giełdowych, jest to najlepsze, co można osiągnąć. Nawet jeśli nie jest to szczególnie dokładna metoda, stanowi przydatny punkt odniesienia dla innych metod prognozowania.

W przypadku danych sezonowych podobne podejście polega na użyciu wartości z odpowiadającego sezonu z poprzedniego roku. Na przykład, jeśli chcesz prognozować wolumen sprzedaży w marcu przyszłego roku, możesz wykorzystać wolumen sprzedaży z marca roku poprzedniego. Takie podejście implementuje funkcja snaive(), czyli sezonowa prognoza naiwna.

Obie funkcje przyjmują drugi argument h, który określa liczbę wartości do prognozowania. Jak widać w poniższym kodzie, mają różne wartości domyślne. Wynikiem działania obu funkcji jest obiekt klasy forecast – to podstawowa klasa obiektów w pakiecie forecast. Dostępnych jest wiele funkcji do pracy z tymi obiektami, m.in. summary() i autoplot().

naive(y, h = 10)
snaive(y, h = 2 * frequency(x))

Wypróbujesz obie funkcje: naive() na szeregu goog oraz snaive() na szeregu ausbeer. Oba szeregi są dostępne w twoim środowisku pracy.

지침

100 XP
  • Użyj funkcji naive(), aby prognozować kolejne 20 wartości szeregu goog, i zapisz wynik do fcgoog.
  • Zwizualizuj i podsumuj prognozy, używając autoplot() i summary().
  • Użyj funkcji snaive(), aby prognozować kolejne 16 wartości szeregu ausbeer, i zapisz wynik do fcbeer.
  • Zwizualizuj i podsumuj prognozy dla fcbeer w taki sam sposób jak dla fcgoog.