Geschatte waarden en residuen

Voorspellen in R

Rob J. Hyndman

Professor of Statistics at Monash University

Geschatte waarden en residuen

Een geschatte waarde is de voorspelling van een observatie met alle voorgaande observaties

Dus éénstapsvoorspellingen
Vaak geen echte voorspellingen omdat parameters op alle data zijn geschat

Een residu is het verschil tussen een observatie en z’n geschatte waarde

Dus éénstapsvoorspellingsfouten

Voorbeeld: olieproductie

fc <- naive(oil)
autoplot(oil, series = "Data") + xlab("Year") +
  autolayer(fitted(fc), series = "Fitted") +
  ggtitle("Oil production in Saudi Arabia")

Voorbeeld: olieproductie

autoplot(residuals(fc))

Residuen moeten lijken op white noise

Essentiële aannames

Ongecorreleerd
Gemiddelde nul

Handige eigenschappen (voor voorspellingsintervallen)

Constante variantie
Normaal verdeeld

We kunnen dit testen met de functie checkresiduals().

checkresiduals()

checkresiduals(fc)

    Ljung-Box test
data:  residuals
Q* = 12.59, df = 10, p-value = 0.2475
Model df: 0.   Total lags used: 10

Laten we oefenen!

Voorspellen in R