Le serie temporali sono modelli statistici che consentono di visualizzare i dati e prevedere i valori futuri per un periodo di tempo . Ricercatori creano modelli di serie storiche per molti fenomeni , tra cui fenomeni con evidenti variazioni stagionali , come il tempo , il profitto aziendale e atti di violenza . Un metodo di creazione di una serie storica è la procedura di previsione del Holt – inverno , che basa il suo modello di serie storica a partire da un modello random walk . È quindi possibile utilizzare questa procedura per creare un modello di serie storica , attraverso la creazione di un modello random walk che replica il fenomeno di interesse . Istruzioni

1

Trova la media per la passeggiata casuale. Utilizzare i dati del passato del fenomeno in esame . Calcolare o trovare il valore medio per il primo anno che si desidera modellare . Se si prevede di modellare solo i valori futuri , utilizzare il valore medio per l’anno più recente .

2

Scegli la tendenza per la passeggiata casuale. Decidere la grandezza della deriva per la passeggiata casuale che sposta i valori in una certa direzione nel tempo . Se credi , o se i dati passati indica che il valore salirà , scegliere un parametro tendenza che è positivo . È possibile stimare l’entità del trend guardando la variazione media per unità di tempo nei dati precedenti.

3

Impostare i fattori stagionali. È necessario decidere su quattro fattori stagionali – uno per ogni stagione . Questi fattori stagionali rappresentano la variazione media di valore per unità di tempo durante le stagioni a cui sono associati . Anche in questo caso , è possibile utilizzare i dati del passato per stimare questi fattori .

4

Eseguire il modello random walk . Utilizzare software statistico per eseguire una passeggiata casuale con i fattori di cui sopra . In sostanza , è necessario impostare un cammino casuale che inizia dal valore medio e si sposta tendenza * componente casuale + fattore stagionale * componente casuale ogni passo . Creare un modello che afferma Z ( n ) = Z ( n – 1) + t * e0 + s * e1 , dove Z ( n ) è il valore in fase di ” n “, ” t” è il termine tendenza , ” E0 ” è il primo componente casuale ( scelto a caso dal software statistico ) , “s” è la componente stagionale e ” e1 ” è il secondo componente casuale ( scelto a caso indipendentemente e0 ) . Eseguire il modello per tutto il tempo che verrà eseguito le serie storiche .