Ferramenta ETS

A ferramenta ETS estima um modelo de previsão de série temporal univariada usando um método de suavização exponencial. A suavização exponencial é uma abordagem de previsão comumente usada que se baseia em uma média ponderada de observações passadas, com os pesos declinando em tamanho para valores passados mais distantes (os pesos são ditos para seguir uma função de deterioração exponencial). A ferramenta é capaz de contabilizar três componentes da série time: nível, tendência e sazonalidade. A ferramenta pode usar métodos totalmente automatizados para modelar os três componentes da "melhor maneira" com base em critérios estatísticos, ou o usuário pode especificar os métodos subjacentes usados. Uma excelente discussão dos métodos utilizados podem ser encontradas no capítulo 7 da Hyndman e da previsão do livro online da Athanasopoulos : diretores e práticas.

Esta ferramenta utiliza a ferramenta R. Acesse Opções > Baixar ferramentas preditivas e faça login em Portal de downloads and licenças do Alteryx para instalar o R e os pacotes usados pela Ferramenta R. Veja Baixar e utilizar ferramentas preditivas.

Configure a ferramenta

Use a guia parâmetros necessários para definir os controles obrigatórios para o modelo de previsão de suavização exponencial.

Nomedo modelo: cada modelo precisa ser dado um nome para que ele possa ser identificado posteriormente. Os nomes de modelo devem começar com uma letra e podem conter letras, números e o período de caracteres especiais (".") e sublinhado ("_"). Nenhum outro caractere especial é permitido, e R é diferencia maiúsculas de minúsculas.
Selecione o campode destino: selecione o campo do fluxo de dados que deseja prever. As medições para este campo devem ser feitas em intervalos de tempo regulares (por exemplo, diárias, mensais, trimestrais, etc.).
Freqüência do campo de destino:: escolha o intervalo de tempo para as observações do campo de destino.

Use a guia tipo de modelo para definir controles opcionais o impacto como o tempo e as tendências são tratados em seu modelo.

Tipo de erro: esta opção controla como o efeito dos períodos anteriores mais próximos é modelado. As opções são auto (o padrão), aditivo e multiplicative. Se o auto for usado, a especificação aditiva e multiplicative é estimada e um critério estatístico da informação é usado para selecionar entre modelos. O parâmetro estimado que dá o peso relativo entre os valores passados mais recentes e mais distantes na saída é Alfa.
Tipo de tendência: isso controla como o efeito da tendência é modelado. As opções são auto (o padrão), aditivo, multiplicative, e None. Se o auto é usado, as especificações aditivas e multiplicativas, juntamente com modelos sem correção de tendência, são consideradas, e um critério de informação estatística é usado para selecionar entre os modelos. O parâmetro estimado que dá o peso relativo entre os valores de tendência mais recentes e mais distantes na saída é beta.
Tendência de amortecimento: esta opção controla a medida em que o efeito dos efeitos recentes da tendência são reduzidos (umedecidos). As opções são auto (o padrão), sim, e não. A opção auto considera os modelos com e sem amortecimento, e seleciona o melhor com base em um critério de informação estatística. O parâmetro calculado Phi na saída (somente para os casos em que a tendência de amortecimento é incluído o melhor modelo) indica a extensão em que a tendência de previsão foi atenuada.
Tipo sazonal: isto controla como os efeitos sazonais são modelados. As opções são auto (o padrão), aditivo, multiplicative e None.

Use a guia outras opções para definir os controles opcionais para critérios, transformações e períodos.

Critérios de informação para a selecção do modelo: os critérios utilizados para comparar modelos diferentes e seleccionar o melhor modelo. As opções fornecidas são auto (o padrão), o critério de informação Akaike (AIC), o critério de informação corrigido Akaike (AICc) ou os critérios de informação Bayesiana (BIC). Se a opção auto é selecionada, em seguida, o AICc é usado se houver 48 ou menos observações do destino, caso contrário, o AIC é usado.
Use uma transformação Box-Cox: se essa opção for selecionada, o usuário pode fornecer um valor de lambda (que cai entre 0 e 1) para fazer uma transformação Box-Cox do campo de destino. Nesta opção é selecionada, as especificações multiplicativas dos três componentes da série temporal não são consideradas.
Período de início da série (opcional): esta opção permite ao usuário especificar o período inicial da série temporal, que será refletida nas parcelas de decomposição e previsão.

Se a freqüência de campo de destino for definida como por hora, diariamente (todos os dias)ou diárias (somente durante a semana), essa opção não estará disponível.

O número de períodos a incluir na plotagem de previsão: esta opção resulta em uma plotagem que contém os dados originais e um número de pontos futuros de previsão (junto com intervalos de confiança de 80% e 95% em torno dos pontos de previsão). O usuário pode especificar o número de períodos que devem ser Previsão para o futuro para a plotagem.
Selecione o formato da semana: isso permite ao usuário escolher um método para especificar semanas de trabalho. Estas opções se relacionam com o que constitui a primeira semana do ano, e que dia da semana uma semana começa.

EUA – domingo é o primeiro dia da semana
UK – segunda-feira é o primeiro dia da semana
ISO8601 – segunda-feira é o primeiro dia da semana

Use a guia opções de gráficos para definir os controles opcionais para a saída.

Tamanhodo lote: selecione polegadas ou centímetros para o tamanho do gráfico.
Resolução do gráfico: selecione a resolução do gráfico em pontos por polegada: 1x (96 dpi); 2x (192 dpi); ou 3x (288 dpi). A resolução mais baixa cria um arquivo menor e é melhor para visualização em um monitor. Maior resolução cria um arquivo maior com melhor qualidade de impressão.
Tamanho da fonte base (pontos): selecione o tamanho da fonte no gráfico.

Visualizar a saída

Conecte uma ferramenta Navegar a cada âncora de saída para exibir os resultados.

O âncora: consiste em um fluxo de saída que contém o objeto modelo ETS que pode ser usado para ambas as previsões de ponto e um intervalo de confiança do percentil especificado ao redor dessas previsões.
R Anchor: consiste nos trechos de relatório gerados pela ferramenta ETS: um resumo estatístico, plotagens de diagnóstico de autocorrelação e parcelas de previsão.
Eu âncora: um painel de HTML interativo consistindo de parcelas e métricas. Você pode interagir com as visualizações clicando nos diferentes elementos gráficos para revelar mais informações, valores, métricas e análises.

Comportamento esperado: cálculos de plotagem

A plotagem de previsão usa uma data padrão para cálculos se qualquer uma das seguintes configurações de configuração for usada:

a freqüência do campo de destino é definida como por hora, diariamente (todos os dias)ou diárias (somente durante a semana).
A freqüência de campo de destino é definida como semanal, mensal, trimestralou anual e o período de início da série não está definido.

A data padrão usada pode variar, fazendo com que o cálculo pareça aleatório.