पूर्वानुमान

Tableau में Statistical Techniques

Maarten Van den Broeck

Content Developer at DataCamp

Correlation बनाम autocorrelation

2013 से 2021 तक, महीने के अनुसार, "% DIY" के लिए विश्वभर में Google खोज, रुचि (%)। एक तृतीय-डिग्री पॉलीनोमियल ट्रेंड लाइन समग्र रुझान पकड़ने की कोशिश करती है, लेकिन बार-बार आने वाले पैटर्न छूट जाते हैं.

2013 से 2021 तक, महीने के अनुसार, "% DIY" के लिए विश्वभर में Google खोज, रुचि (%)। सालाना दोहराव वाले पैटर्न हाइलाइट किए गए हैं.

Correlation बनाम autocorrelation

2013 से 2021 तक, महीने के अनुसार, "% DIY" के लिए विश्वभर में Google खोज, रुचि (%).

Autocorrelation: दोहराव वाला पैटर्न खुद से सहसंबद्ध होता है
Time series: समय के साथ, निश्चित अंतराल पर बार-बार मापा गया मान
Time series analysis: time series पर विश्लेषण के लिए सामान्य शब्द

पूर्वानुमान

अब 23 महीने के पूर्वानुमान सहित, 2013 से 2021 तक "% DIY" के लिए विश्वभर में Google खोज, महीने के अनुसार, रुचि (%).

ऐतिहासिक डेटा के आधार पर भविष्य की भविष्यवाणियाँ
Estimation: confidence intervals से यह संभावना कि भविष्य के पॉइंट्स कहाँ आएँगे
उपयोग के क्षेत्र
- supply chain management
- earthquakes
- hormone levels
- market stocks
- sports performance
- weather

Naive forecast

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

Month $_t$	Actual $A$	Forecast $F$
January	5
February	7	5
March	6	7
April	5	6
May	3	5
June	8	3
July	2	8
August		2

नाइव पूर्वानुमान का सैंपल डेटा.

बेंचमार्किंग के लिए उपयोगी

Exponential smoothing

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

Month $_t$	Actual $A$	Forecast $F$
January	5	5
February	7	5
March	6	4,6
April	5	4,32
May	3	4,184
June	8	4,4208
July	2	3,70496
August	5	4,045952

हाल के मान-परिवर्तन का प्रभाव भविष्यवाणियों पर अतीत से अधिक होता है

एक्सपोनेंशियल स्मूदिंग पूर्वानुमान का सैंपल डेटा.

Tableau कई मॉडल चलाकर सर्वश्रेष्ठ चुनता है

Mean absolute error (MAE)

Month	Actual	Forecast	Error	Absolute Error
January	5
February	7	5	2	2
March	6	7	-1	1
April	5	6	-1	1
May	3	5	-2	2
June	8	3	5	5
July	2	8	-6	6
August	5	2	3	3
September		5	MAE	2.86

Mean absolute scaled error (MASE)

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

MASE आपके मॉडल के MAE की तुलना naive forecast के MAE से करता है
आम तौर पर 0 (अच्छा) से 1 (खराब) के बीच, या उससे अधिक (और भी खराब)
आप Tableau में विकल्प कस्टमाइज़ कर सकते हैं, लेकिन डिफॉल्ट आउट-ऑफ-द-बॉक्स पूर्वानुमान सामान्यतः ठीक होता है

2013 से 2021 तक "% DIY" के लिए विश्वभर में Google खोज, महीने के अनुसार, रुचि (%), एक बार बिना और एक बार seasonality के साथ। मौसमी मॉडल के लिए MASE अधिक है.

अभ्यास करते हैं!

Tableau में Statistical Techniques