Robię badania dotyczące prognozowania szeregów czasowych funkcji gęstości prawdopodobieństwa. Naszym celem jest prognozowanie pliku PDF na podstawie pliku PDF zaobserwowanego w przeszłości (zwykle szacowany). Opracowana przez nas metoda prognozowania sprawdza się całkiem dobrze w badaniach symulacyjnych.
Potrzebuję jednak liczbowego przykładu z prawdziwych aplikacji, aby lepiej zilustrować naszą metodę. Czy istnieją zatem odpowiednie przykłady w aplikacjach (finanse, ekonomia, biologia, inżynieria itp.), W których gromadzone są szeregi czasowe plików PDF, a prognozowanie takich szeregów czasowych jest ważne i trudne?
Odpowiedzi:
Jednym z ważnych zastosowań są dane demograficzne, np. Prognozowanie rozwoju piramid wieku, które w rzeczywistości są niczym innym jak zmiennymi w czasie histogramami, które z kolei są estymatorami gęstości. Spróbuj podejść do tego.
Oto kilka pomysłów na temat uzyskiwania danych o gęstości demograficznej wzdłużnej. W końcu poszedłem z niemieckim zestawem danych, który miał największą szczegółowość, dając roczną piramidę w krokach co 1 rok - większość innych zestawów danych tylko binning każdego roku piramidy w przedziałach 5-letnich. Jeśli znajdziesz lepsze źródło szeregów czasowych gęstości demograficznej, powiedz nam o tym temacie.
Hyndman i Shang (2009) to artykuł na temat prognozowania funkcjonalnych szeregów czasowych. Stosują swoją metodę do współczynników dzietności.
Poleciłbym również
rainbow
pakiet dla R również przez Shang i Hyndman, do wizualizacji danych funkcjonalnych.Lub możesz wizualizować swoje prognozy za pomocą animacji. Oto mały animowany GIF, który stworzyłem dla przyszłej niemieckiej piramidy ludności (mężczyźni po lewej, kobiety po prawej):
źródło
Rośnie literatura interdyscyplinarna na temat prognozowania gęstości prawdopodobieństwa (w przeciwieństwie do zwykłego prognozowania średniej z serii). Poniższe odniesienie to ostatnie badanie, które omawia zarówno metodologię, jak i zastosowania w ekonomii, meteorologii itp.
Gneiting, T. and M. Katzfuss (2014): „Probabilistic Forecasting”, Roczny przegląd statystyki i jej zastosowanie 1, 125-151.
Dostępne na http://www.annualreviews.org/doi/abs/10.1146/annurev-statistics-062713-085831
źródło
Powiedz mi, czy jesteś zainteresowany bardziej szczegółową historią na ten temat.
źródło