Prognoze

Tehnici statistice în Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Corelație vs. autocorelație

Căutare Google mondială pentru „DIY" din 2013 până în 2021, pe luni, în % interes. O linie de trend polinomială de grad 3 încearcă să surprindă tendința generală, dar ratează tiparele recurente.

Căutare Google mondială pentru „DIY" din 2013 până în 2021, pe luni, în % interes. Tiparele anuale recurente sunt evidențiate.

Corelație vs. autocorelație

Căutare Google mondială pentru „DIY" din 2013 până în 2021, pe luni, în % interes.

Autocorelație: un tipar recurent se corelează cu el însuși
Serie de timp: o valoare măsurată repetat în timp, la intervale discrete
Analiza seriilor de timp: termen general pentru analiza pe serii de timp

Prognoze

Căutare Google mondială pentru „DIY" din 2013 până în 2021, pe luni, în % interes, cu o prognoză pe 23 de luni.

Predicții despre viitor bazate pe date istorice
Estimare: probabilitatea în care vor cădea punctele viitoare de date, folosind intervale de încredere
Utilizat în
- managementul lanțului de aprovizionare
- cutremure
- niveluri hormonale
- acțiuni pe piață
- performanță sportivă
- vreme

Prognoza naivă

$F_{t+1} = A_{t}$

Luna $_t$	Real $A$	Prognoză $F$
Ianuarie	5
Februarie	7	5
Martie	6	7
Aprilie	5	6
Mai	3	5
Iunie	8	3
Iulie	2	8
August		2

Prognoză naivă pentru datele din eșantion.

Utilă pentru referință (benchmarking)

Netezire exponențială

$F_{t+1} = F_t + \alpha(A_{t}-F_t)$

Luna $_t$	Real $A$	Prognoză $F$
Ianuarie	5	5
Februarie	7	5
Martie	6	4,6
Aprilie	5	4,32
Mai	3	4,184
Iunie	8	4,4208
Iulie	2	3,70496
August	5	4,045952

Predicțiile sunt influențate mai mult de valorile recente decât de cele trecute

Prognoză prin netezire exponențială pentru datele din eșantion.

Tableau rulează mai multe modele și îl selectează pe cel mai bun

Eroarea medie absolută (MAE)

Luna	Real	Prognoză	Eroare	Eroare absolută
Ianuarie	5
Februarie	7	5	2	2
Martie	6	7	-1	1
Aprilie	5	6	-1	1
Mai	3	5	-2	2
Iunie	8	3	5	5
Iulie	2	8	-6	6
August	5	2	3	3
Septembrie		5	MAE	2,86

Eroarea medie absolută scalată (MASE)

$MASE = \frac{MAE_{model}}{MAE_{naive}}$

MASE compară MAE-ul modelului cu MAE-ul prognozei naive
De obicei între 0 (bun) și 1 (slab), sau mai mare (și mai slab)
Opțiunile din Tableau pot fi personalizate, dar prognoza implicită este acceptabilă

Căutare Google mondială pentru „DIY" din 2013 până în 2021, pe luni, în % interes, fără și cu sezonalitate. MASE este mai mare pentru modelul sezonier.

Să exersăm!

Tehnici statistice în Tableau