ÎncepețiÎncepe gratuit

Prognozarea rezervărilor de apeluri

Un alt șir de timp cu mai multe perioade sezoniere este calls, care conține 20 de zile consecutive de date privind volumul apelurilor la intervale de 5 minute pentru o mare bancă nord-americană. Există 169 de intervale de 5 minute într-o zi lucrătoare, astfel că frecvența sezonieră săptămânală este 5 x 169 = 845. Sezonalitatea săptămânală este relativ slabă, prin urmare vei modela doar sezonalitatea zilnică. calls este deja încărcat în spațiul tău de lucru.

Rezidualele în acest caz nu trec testele pentru zgomot alb, dar autocorelațiile lor sunt foarte mici, chiar dacă sunt semnificative. Acest lucru se datorează faptului că seria este foarte lungă. Este adesea nerealist să obții reziduале care trec testele pentru serii atât de lungi. Efectul corelațiilor rămase asupra prognozelor va fi neglijabil.

Acest exercițiu face parte din cursul

Prognoze în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Reprezintă grafic datele calls pentru a observa sezonalitatea zilnică puternică și sezonalitatea săptămânală slabă.
  • Configurează matricea xreg folosind ordinul 10 pentru sezonalitatea zilnică și 0 pentru sezonalitatea săptămânală. Reține că, dacă specifici incorect vectorul, sesiunea ta poate expira!
  • Ajustează un model de regresie dinamică numit fit folosind auto.arima() cu seasonal = FALSE și stationary = TRUE.
  • Verifică rezidualele modelului ajustat.
  • Creează prognozele pentru 10 zile lucrătoare înainte sub denumirea fc, apoi reprezintă-le grafic. Descrierea exercițiului te poate ajuta să determini valoarea corectă a lui h.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Plot the calls data
___

# Set up the xreg matrix
xreg <- fourier(___, K = ___)

# Fit a dynamic regression model
fit <- auto.arima(___, xreg = ___, ___, ___)

# Check the residuals
___

# Plot forecasts for 10 working days ahead
fc <- forecast(fit, xreg =  fourier(calls, c(10, 0), h = ___))
___
Editează și rulează codul