時系列モデリング：濃度こんにちは、みんな、
今日の日付に外挿された個々のサンプルの化学物質の時系列濃度を予測するための、JMP Pro16の最良のモデリングアプローチについて説明したいと考えています。 JMPの時系列関数は、時系列が該当する範囲を示すデータの広がりを予測しますが、より定量的になり、個々のサンプル濃度がどのようになるかを予測したいと思います。 たとえば、2021年に20個のサンプルがあった場合、それらの広がりはどのようになりますか？ 次に、これらの20個のサンプルをさらに使用して、2021年の濃度の中央値/幾何平均を推定できますか？
または、日付がxファクターであることに基づいて、多変量化学データの濃度を予測するニューラルネットワークアプローチを採用しますか？ これを試みると、時々負の濃度になりますが、これは物理的には不可能です（ただし、モデルは明らかにそれを認識していません）。 以前のデータの広がりに基づいて現実的な値を予測するようにデータを制約するにはどうすればよいですか？
分析Re：時系列モデリング：濃度これが機能するかどうかはわかりませんが、スプレッドに興味があるので...そしてJMP Proを実行しています...多分、一般化回帰プラットフォームで分位点回帰パーソナリティを試してみてください。 スプレッドには95％の分位数、中央値には50％の分位数を当てはめることができます。 それが役立つかどうかはわかりません...しかし、試してみる価値はありますか？
