Anpassade värden och residualer

Prognoser i R

Rob J. Hyndman

Professor of Statistics at Monash University

Anpassade värden och residualer

Ett anpassat värde är prognosen för en observation baserad på alla tidigare observationer

Det vill säga ettstegsframförhållanden
Ofta inte sanna prognoser, eftersom parametrarna skattas på alla data

En residual är skillnaden mellan en observation och dess anpassade värde

Det vill säga ettstegsfel

Exempel: oljeproduktion

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

Exempel: oljeproduktion

autoplot(residuals(fc))

Residualer ska likna vitt brus

Nödvändiga antaganden

De ska vara okorrelerade
De ska ha medelvärdet noll

Användbara egenskaper (för beräkning av prediktionsintervall)

De ska ha konstant varians
De ska vara normalfördelade

Dessa antaganden kan testas med funktionen 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

Nu kör vi en övning!

Prognoser i R