gpt4 book ai didi

r - HoltWinter 初始值与 Rob Hyndman 理论不匹配

转载 作者:行者123 更新时间:2023-12-04 11:20:27 24 4
gpt4 key购买 nike

我正在关注这个 tutorial by Rob Hyndman用于初始化(附加)。

计算初始值的步骤指定为:
enter image description here

我在 Rob Hydman free online text book. 中提供的数据集上手动(使用笔/纸)运行上述步骤我在前两个步骤后得到的值是:
enter image description here

我在“R”上使用了相同的数据集,但 R 中的季节性输出值截然不同(下面的屏幕截图)
enter image description here

不知道我做错了什么。任何帮助,将不胜感激。

我刚才观察到的另一个有趣的事情是,初始水平(l(t))课本里是 33.8 ,但在 R输出它是:48.24 ,这证明我在手动计算时遗漏了一些东西。

编辑:

这是我计算平滑移动平均线的方法(基于 formula used in Section 2 of this link. )

计算后我已经去趋势,意味着 原始值 - 平滑值 .

那么季节性值:哪个是

S1 =Average of Q1
S2 = Average of Q2
...

enter image description here

最佳答案

移动平均线的前两个值不正确。您已假设第一次观察之前的值为零。它们不是零,它们是缺失的,这是完全不同的。由于这个原因,无法计算前两个观测值的移动平均值。

移动平均线的第三个和后续值仅近似正确,因为您已将数据四舍五入到第一个小数点,而不是使用 R 中 fpp 包中提供的数据。

按照此过程获得的值用作 ets() 优化中的初始值。因此 ets() 的输出将不包含初始值,而是优化值。书中的表格给出了优化值。您将无法使用简单的程序来重现它们。

但是,您可以重现 HoltWinters 提供的内容,因为它不会对初始值进行任何优化。使用 HoltWinters ,初始季节性值如下:

> HoltWinters(y)$fitted[1:4,]
xhat level trend season
[1,] 43.73934 33.21330 1.207739 9.318302
[2,] 28.25863 35.65614 1.376490 -8.774002
[3,] 36.86581 37.57569 1.450688 -2.160566
[4,] 41.87604 38.83521 1.424568 1.616267

( coefficients 中的输出给出了最终状态而不是初始状态。)

最后一列中的季节性指数可以计算如下:
       y   MAsmooth  detrend detrend.adj
41.72746 NA NA NA
24.04185 NA NA NA
32.32810 34.41724 -2.089139 -2.160566
37.32871 35.64101 1.687695 1.616267
46.21315 36.82342 9.389730 9.318302
29.34633 38.04890 -8.702575 -8.774002
36.48291 NA NA NA
42.97772 NA NA NA

最后一列是调整后的去趋势数据(因此它们加到零)。

关于r - HoltWinter 初始值与 Rob Hyndman 理论不匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22361532/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com