jak w temacie :)
jak w temacie :)
Powiedz konkretnie o co Ci chodzi, wtedy może ktoś się znajdzie.
dane:
z1<-c(1.2,2.5,2.8,2.6,3.4,4.6,4.2,6.2,7.9,6.5,15.2,12. 3,16.43228224,21.7,19.1,36.3,39.2,26.5,40.1,44.8)
Treść:
Dopasuj model trendu do danych wybierając 2 propozycje i wskazują jedną z nich najlepiej spełniają mierniki jakości prognozy.
no z tego co ja miałem na prognozowaniu to robisz zwykły model liniowy, który jest linią trendu, dalej nie uważałem i olałem ten przedmiot bo głupi imo więc nie pomogę :P
od oceny dopasowania modelu służy współczynnik determinacji, uzyskasz go z reglinp, tak samo jak model, oraz z regresji w excelu.
Napisałem przecież, że chodzi o oprogramowanie R ;<
wiem, jak to obliczyć na kartce i tym bardziej jak to obliczyć w excelu, a raczej co klikać żeby się zajebiście pokazało.
tylko jeszcze raz powtarzam, chodzi mi o rezultat uzyskany w pierdolonym jebanym gównie o nazwie R
mam!
biore sobie jakieś 2 trendy:
i tam gdzie reszty są mniejsze, ten trend lepiej dopasowany.Kod:y=c(160,153,139,142,129,121,105,83,56,25)
liniowy
t=1:(length(y))
y_ts<-ts(y, start=2000, frequency=1)
str(y); str(y_ts, vec.len=2); str(t)
vec.len=2
(trend_liniowy<-lm(y_ts~t))
plot(y, type="p")
(t<-ts(11:14, start=2010, frequency=1))
(prognoza<-predict.lm(trend_liniowy, newdata=t, se.fit=t, interval="prediction", level=0.95))
wykładniczy
y=c(160,153,139,142,129,121,105,83,56,25)
t=1:(length(y))
y<-log(y)
y_ts<-ts(y,start=2000, frequency=1)
t_ts<-ts(t,start=2000, frequency=1)
trend<-lm(y_ts~t)
new<-ts(11:14,start=2011, frequency=1)
new<-data.frame(t=new)
prognoza<-predict(trend,new,se.fit=T,interval="prediction",level=0.95)
dzieki kurwa za pomoc
//zamykam