Modelo vectorial de articulaciones vs Modelo de componentes univariante
Obtenga lecturas de temperatura cada hora para mayo de 2014 en Champaign, Illinois.
In[1]:= | ![]() X |
In[2]:= | ![]() X |
Utilice TimeSeriesAggregate para calcular las temperaturas máximas y mínimas diarias.
In[3]:= | ![]() X |
Combínelos en una serie temporal vectorial.
In[4]:= | ![]() X |
Out[4]= | ![]() |
Out[5]= | ![]() |
La primera parte de los datos será usada para encontrar un modelo, mientras que el resto de los datos servirá como un conjunto de referencia para el pronóstico.
In[6]:= | ![]() X |
Las temperaturas presentan una correlación cruzada.
In[7]:= | ![]() X |
Out[7]= | ![]() |
Encaje un modelo vectorial en los datos.
In[8]:= | ![]() X |
Out[8]= | ![]() |
Pronostique los primeros 5 días.
In[9]:= | ![]() X |
Out[10]= | ![]() |
Encuentre modelos univariantes del mismo tipo, pero las órdenes más largas para ambas temperaturas por separado.
In[11]:= | ![]() X |
Out[11]= | ![]() |
In[12]:= | ![]() X |
Out[12]= | ![]() |
Combine pronósticos univariantes para el graficado.
In[13]:= | ![]() X |
Out[13]= | ![]() |
Compare los pronósticos.
In[14]:= | ![]() X |
Out[15]= | ![]() |
Grafique el pronóstico vectorial y las bandas de confianza del 95%.
Out[17]= | ![]() |
Grafique el pronóstico univariante y las bandas de confianza del 95%.
Out[20]= | ![]() |
Compare ambos pronósticos y sus correspondientes bandas de confianza.
Out[21]= | ![]() |