JMP® 16 時間序列平台更新 (2021-EU-45MP-745)Peng Liu，JMP 首席研究統計師開發人員，SAS
曹健，JMP 首席系統工程師，SAS
本演講將對兩個時間序列相關平台的主要更新進行全面回顧。更具體地說，更新包括基於預測性能的模型選擇方法、用於研究最近添加的狀態空間平滑模型的增強功能以及使用 Box-Cox 變換時間序列的分析功能。我們將解釋開發工作背後的動機，以幫助識別新功能的有趣用例。我們將提供一些範例來說明如何使用這些新功能的多種可能性。 JMP 16 代表了時間序列平台的重大升級。配備了這些新功能，JMP 為時間序列分析中許多有趣的新發現打開了大門。
自動產生的成績單...
揚聲器 | 成績單 |
| 這次演講是為了強調一些 |
| 00 | 11.600 |
| 3 |
| 時間序列平台。三個是 |
| 來自時間序列平台和 |
| 00 | 34.700 |
| 38.400 |
| 10 |
| 11 |
| 12 |
| 我們需要博克斯·考克斯嗎 |
| 變換時間序列？ |
| 我們來看一下數據 |
| 00 | 00.933 |
| 06.200 |
| 18 |
| 也稱為航空公司 |
| 乘客數據集。 |
| 原系列是 |
| 00 | 23.900 |
| 23 |
| 模型來自. |
| 為什麼？我們先來看一個劇情... |
| 00 | 43.433 |
| 27 號 |
| 越來越大。還有這個系列 |
| 無法處理 |
| 00 | 01.666 |
| 31 |
| 在第二張圖片中。所以 |
| 改變沒有改變 |
| 與不同的時間系列？ |
| 00 | 20.266 |
| 36 |
| 所以在文學中人們會 |
| 說，好吧，我們會轉變 |
| 00 | 33.800 |
| 38.700 |
| 41 |
| 42 |
| 43 |
| 變換比例，在這種情況下 |
| 在這裡，它是對數刻度。 |
| 將其發送到逆向 |
| 00 | 04.366 |
| 49 |
| 轉換。 |
| 過去……過去 |
| 00 | 21.966 |
| 53 |
| 簡化整個過程。 |
| 你需要做的就是把 |
| 00 | 39.133 |
| 57 |
| 需要做模型，製作 |
| 預測，然後是軟體， |
| 00 | 55.933 |
| 61 |
| 將把乘客日誌放入 Y， |
| 但現在我們不必這樣做。我們 |
| 00 | 15.033 |
| 66 |
| 進入考克斯盒子 |
| 變換參數 Lambda。 |
| 零，這意味著它是一個日誌 |
| 00 | 28.333 |
| 31.166 |
| 37.433 |
| 73 |
| 紅色小三角選單，然後點擊 |
| ARIMA 或季節性 ARIMA。 |
| 00 | 01.766 |
| 78 |
| 季節性部分為 12。 |
| 沒有攔截。點選 |
| 00 | 19.633 |
| 22.933 |
| 24.500 |
| 28.733 |
| 85 |
| 86 |
| 預測照顧 |
| 逆變換。這 |
| 00 | 49.600 |
| 91 |
| 將在此顯示。 |
| 情節和預測有 |
| 00 | 05.033 |
| 08.800 |
| 11.100 |
| 17.866 |
| 98 |
| 模型是及時的主力 |
| 系列預測平台。 |
| 他們可以適應並預測很多 |
| 00 | 35.733 |
| 39.633 |
| 104 |
| 性能在某種程度上是可比的 |
| 到預測 |
| 00 | 59.366 |
| 110 |
| 111 |
| 研究為什麼......為什麼是這種類型 |
| 模型的工作原理以及為什麼有些 |
| 00 | 18.600 |
| 115 |
| 116 |
| 將模型輸入到時間序列中 |
| 平台旨在 |
| 00 | 43.900 |
| 120 |
| 未知數的函數 |
| 狀態，未觀察到的狀態。這裡在 |
| 00 | 01.000 |
| 124 |
| 變數和誤差項 |
| 透過任一加法運算 |
| 00 | 16.266 |
| 19.200 |
| 129 |
| 130 |
| state 是電平狀態時間 |
| 系列。趨勢狀態形成 |
| 00 | 40.733 |
| 134 |
| 135 |
| 州，也是其中之一 |
| 以前的季節性狀態。和 |
| 00 | 59.733 |
| 03.133 |
| 140 |
| 141 |
| 之前的趨勢狀態將 |
| 轉向下一個。 |
| 趨勢狀態和水平狀態 |
| 00 | 25.966 |
| 146 |
| 指向另一個時間點。和 |
| 還有更多箭頭...那裡 |
| 狀態轉換比 |
| 00 | 49.700 |
| 152 |
| 系列到 Y 並點擊“確定”。 |
| 為了適應這種類型的模型，我們 |
| 00 | 12.300 |
| 16.766 |
| 160 |
| 161 |
| 設定好，我要輸入12 |
| 期間。 |
| 我將點擊“選擇” |
| 推薦按鈕。 |
| 從加性誤差模型和 |
| 00 | 47.666 |
| 169 |
| 這個特別的集合，我要去 |
| 點選約束參數 |
| 00 | 05.966 |
| 173 |
| 推薦適合這些的型號 |
| 這些時間序列的類型和 |
| 00 | 23.666 |
| 27.966 |
| 179 |
| 180 |
| 具有較小 AIC 的模型和 |
| 我的眼睛在前兩個 |
| 00 | 52.300 |
| 184 |
| 楷模。並讓我 |
| 疊加預測 |
| 00 | 09.366 |
| 10.566 |
| 17.666 |
| 190 |
| 191 |
| 192 |
| 193 |
| 從原始時間序列 |
| 更好。 |
| 所以按照我的喜好，我會 |
| 00 | 45.133 |
| 198 |
| 不同之處？讓我打開 |
| 第一個 MAA...MAM。 |
| 我們就往下面走吧。這 |
| 00 | 05.533 |
| 10.666 |
| 204 |
| 這個 | 組件狀態。 |
| 這是專門為此 |
| 00 | 32.900 |
| 209 |
| 第一個字母。 |
| 且趨勢是相加的 |
| 00 | 50.233 |
| 213 |
| 本報告的第二部分是 |
| ....是狀態組件 |
| 00 | 06.100 |
| 217 |
| 部分是預測 |
| 這個特定的狀態。 |
| 時間序列的周期 |
| 00 | 27.500 |
| 222 |
| 223 |
| 有增加的模式 |
| 過去。還在不斷增加 |
| 00 | 48.266 |
| 227 |
| 系列和模式繼續 |
| 面向未來，而這 |
| 00 | 03.466 |
| 第231章 |
| 觀察到，但預測是 |
| 平坦的。這讓我很煩惱。 |
| 現在我們看第二個 |
| 00 | 17.333 |
| 20.366 |
| 23.566 |
| 27.933 |
| 239 |
| 240 |
| 狀態組件圖。級別為 |
| 過去增加了 |
| 00 | 44.366 |
| 48.466 |
| 245 |
| 246 |
| 第247章 |
| 248 |
| 未來。這個比較合理 |
| 我能接受的情節。也是如此 |
| 00 | 14.866 |
| 第252章 |
| 到第二張幻燈片。 |
| 這張投影片，然後是下一張 |
| 00 | 45.100 |
| 第259章 |
| 關於解釋預測 |
| 來自這個模型...這種類型 |
| 楷模。在這裡我想 |
| 00 | 01.933 |
| 07.233 |
| 265 |
| 向上。我在這裡列出了其中的一半。 |
| 哦，差不多一半了。所以讓我們專注於 |
| 00 | 27.033 |
| 30.800 |
| 第271章 |
| 一些成長趨勢並將 |
| 到最後逐漸變細。 |
| 另一方面，我們可以 |
| 00 | 54.233 |
| 第277章 |
| 使用這個從預測中看到 |
| 類型模型。如果季節性 |
| 不參與。當我 |
| 00 | 11.066 |
| 14.200 |
| 19.566 |
| 第284章 |
| 第285章 |
| 第286章 |
| 第一個，這是 |
| 如果季節性因素，則預測持平 |
| 00 | 46.833 |
| 51.266 |
| 第291章 |
| 呈線性增加 |
| 模式等等 |
| 與其他人類似。現在 |
| 00 | 06.800 |
| 12.566 |
| 第297章 |
| 它只是在增加。 |
| 應用後 |
| 00 | 34.033 |
| 第302章 |
| 乘法季節性 |
| 我們不斷增加的頂部 |
| 00 | 48.966 |
| 306 |
| 這種類型...不同類型的 |
| 形狀 | 平坦的 |
| 00 | 05.666 |
| 10.733 |
| 311 |
| 第312章 |
| 我們得到那些不同的...不同的 |
| 形狀。所以我重新進入？ |
| 00 | 33.466 |
| 40.433 |
| 318 |
| 我們最終看到的 |
| 預測。 |
| 你有平面圖案或 |
| 00 | 00.733 |
| 第323章 |
| 參數。於是我分開了 |
| 這些部分還有我 |
| 00 | 14.866 |
| 20.400 |
| 328 |
| 第329章 |
| 330 |
| 趨勢通常看起來平坦， |
| 我們會得到增加 |
| 水平狀態下的圖案。 |
| 當它是線性的並且 |
| 當它彎曲時。 |
| 這一切都取決於如何 |
| 00 | 52.233 |
| 57.666 |
| 第339章 |
| 增加或減少 |
| 水平呈指數級增長。所以這是 |
| 00 | 13.466 |
| 第343章 |
| 是精簡的並將其視為 |
| 複利如果 |
| 如果水平狀態增加 |
| 00 | 32.466 |
| 第348章 |
| 他們做出預測，他們試圖... |
| 盡量不要過度 |
| 或低於預測 |
| 00 | 59.833 |
| 第355章 |
| 如何解釋 |
| 來自州的預測 |
| 00 | 20.133 |
| 第359章 |
| 第二個，這些都不是 |
| 模型是靜止的。他們是 |
| 00 | 37.466 |
| 第364章 |
| 所以如果你正在考慮這些 |
| 時間序列。事物 |
| 00 | 55.566 |
| 59.600 |
| 第369章 |
| 第三個，如果你看到的話 |
| 那個時間序列不是 |
| 00 | 12.000 |
| 第373章 |
| 第374章 |
| 導致...的結果 |
| 適合的下一張投影片 |
| 00 | 31.933 |
| 第378章 |
| 跨類型比較 |
| 模型要小心。 |
| 這張投影片旨在展示如何... |
| 00 | 51.800 |
| 第383章 |
| 是預測。 |
| 同樣，我繪製了我的 |
| 00 | 07.400 |
| 第387章 |
| 應用這些類型的狀態空間 |
| 將模型平滑至平穩 |
| 時間序列？這裡我模擬一個 |
| 00 | 32.633 |
| 第393章 |
| 第394章 |
| 第395章 |
| 這個時間序列的模型， |
| 最好的模型原來是在 |
| 00 | 54.266 |
| 第399章 |
| 400 |
| 相當不同，因為它是 |
| 隨機遊走模型和 |
| 00 | 13.466 |
| 16.466 |
| 18.733 |
| 22.333 |
| 第408章 |
| 本簡報中的特色內容 |
| 預測受阻。 |
| 此功能可讓您 |
| 00 | 37.966 |
| 40.500 |
| 45.833 |
| 第415章 |
| 第416章 |
| 第417章 |
| 第418章 |
| 一個來自另一個模型。 |
| 然後你可以比較這些 |
| 00 | 11.833 |
| 第423章 |
| 第424章 |
| 啟動此功能。然後我 |
| 需要指定 |
| 阻礙的長度 |
| 00 | 35.200 |
| 38.466 |
| 第430章 |
| 第431章 |
| 第432章 |
| 點選選擇推薦， |
| 並檢查約束 |
| 00 | 06.433 |
| 第438章 |
| 第439章 |
| 該系列的一部分， |
| 我們列出了阻礙 |
| 00 | 26.000 |
| 第443章 |
| 第444章 |
| 預設情況下，但你可以 |
| 總是改變你的指標 |
| 00 | 39.900 |
| 44.866 |
| 第449章 |
| 報告類似於 |
| 從分析中得到的 |
| 結果沒有啟動這個 |
| 00 | 05.433 |
| 第454章 |
| 第455章 |
| 讓我總結一下 |
| 我們從中學到了什麼 |
| 00 | 25.566 |
| 第459章 |
| 性能超過阻礙 |
| 數據。但這些標準是 |
| 00 | 41.366 |
| 第463章 |
| 過程。我們看到的是 |
| 和我們使用的方式不同 |
| 00 | 57.700 |
| 第467章 |
| 模型擬合的一部分 |
| 過程，所以這是一個東西 |
| 00 | 17.000 |
| 第471章 |
| 阻止評估 |
| 根據各自的不同型號 |
| 預測性能。所以我們 |
| 00 | 32.033 |
| 35.366 |
| 第478章 |
| 列是時間序列 |
| 指標。 Y是時間序列 |
| 00 | 55.666 |
| 第482章 |
| 總結資料集，或者 |
| 時間或時間序列，透過 |
| 00 | 09.533 |
| 12.066 |
| 16.600 |
| 第488章 |
| 第489章 |
| 規格或更改 |
| 模型選擇策略，我們 |
| 00 | 39.200 |
| 第494章 |
| 檢查...更改中的選擇 |
| 第一個組合方塊進行預測 |
| 表現。然後我們可以選擇 |
| 預測績效 |
| 00 | 04.633 |
| 500 |
| 我們想要預測。但是你可以 |
| 選擇任何...更改為任何 |
| 00 | 17.833 |
| 25.466 |
| 30.866 |
| 506 |
| 507 |
| 使用訓練 |
| 時間序列，選擇最好的 |
| 00 | 49.800 |
| 52.333 |
| 54.766 |
| 57.900 |
| 00.966 |
| 515 |
| 系列平台。首先分析一下 |
| Box Cox 轉換時間序列。 |
| 第二個是fit狀態 |
| 00 | 27.666 |
| 第521章 |
| 第522章 |
| 以及並將其用作 |
| 及型號選擇方法。 |
| 非常感謝。 |
