समय श्रृंखला का पूर्वानुमान होता है जब आप ऐतिहासिक समय के स्टाम्प डेटा के आधार पर वैज्ञानिक भविष्यवाणियां करते हैं। इसमें ऐतिहासिक विश्लेषण के माध्यम से मॉडल बनाना और अवलोकन करना और भविष्य के रणनीतिक निर्णय लेने के लिए उनका उपयोग करना शामिल है।
आप पूर्वानुमान के लिए समय श्रृंखला का उपयोग कैसे करते हैं?
आर में समय श्रृंखला पूर्वानुमान
- चरण 1: डेटा पढ़ना और मूल सारांश की गणना करना। …
- चरण 2: टाइम सीरीज़ डेटा के चक्र की जाँच करना और रॉ डेटा को प्लॉट करना। …
- चरण 3: समय श्रृंखला डेटा को विघटित करना। …
- चरण 4: डेटा की स्थिरता का परीक्षण करें। …
- चरण 5: मॉडल को फ़िट करना। …
- चरण 6: पूर्वानुमान।
क्या पूर्वानुमान के लिए समय श्रृंखला का उपयोग किया जाता है?
समय श्रृंखला का पूर्वानुमान पहले देखे गए मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करने के लिए एक मॉडल का उपयोग है। इस पोस्ट में आर्थिक, मौसम, स्टॉक मूल्य और खुदरा बिक्री जैसे गैर-स्थिर डेटा के लिए समय श्रृंखला का व्यापक रूप से उपयोग किया जाता है।
समय श्रृंखला के 4 घटक कौन से हैं?
ये चार घटक हैं:
- धर्मनिरपेक्ष प्रवृत्ति, जो शब्द के साथ आंदोलन का वर्णन करती है;
- मौसमी विविधताएं, जो मौसमी परिवर्तनों का प्रतिनिधित्व करती हैं;
- चक्रीय उतार-चढ़ाव, जो समय-समय पर होते हैं लेकिन मौसमी बदलाव नहीं;
- अनियमित रूपांतर, जो श्रृंखला की विविधताओं के अन्य गैर-यादृच्छिक स्रोत हैं।
समय श्रृंखला पूर्वानुमान के लिए सबसे अच्छा मॉडल कौन सा है?
एक्सपोनेंशियल स्मूथिंग के लिए भी ARIMA मॉडल टाइम सीरीज़ फोरकास्टिंग के लिए सबसे व्यापक रूप से उपयोग किए जाने वाले तरीकों में से हैं।यह नाम ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज का संक्षिप्त रूप है। एक स्वत: प्रतिगामी मॉडल में पूर्वानुमान चर के पिछले मानों के एक रेखीय संयोजन के अनुरूप होते हैं।
