2

私は R の時系列に慣れていないので、間違いがあれば訂正してください。

店舗内の製品の在庫のスナップショットを毎日持っています。参考になる場合は、Bestbuy にある iPad の数と見なすことができます。私は Bestbuy に行って、倉庫にあるすべての iPad を数えます :) メモを取ります。

そして、彼らが毎日何台の iPad を販売したか、いつ在庫を補充したかを監視できます。私の目標は、時系列分析を行うことです。最初に iPad の販売の傾向と季節性を見つけてから、バースト検出モデルを構築します。通知が来ます。

いくつかの偽のデータ:

library(zoo)
index <- seq(as.Date('2013-01-01'), as.Date('2013-01-31'), by="day")
data <- c(seq(5, 1), seq(15, 1), seq(10, 5), seq(10, 5))
z <- zoo(data, index)
plot(z)

ここに画像の説明を入力

(1) 隣接する 2 日間のデルタを計算して、毎日の売上を最初に取得する便利な関数はありますか? ネガティブは非常に多くの iPad が販売されたことを意味し、ポジティブは補充を意味します。

(2) decompose を使用してトレンドを見つけようとしたとき、次のように表示されました。

> decompose(z)
Error in decompose(z) : time series has no or less than 2 periods

次に、1 週間が適切なスタートとなる季節性を判断する必要があることに気付きました。だから私はできる。

plot(decompose(ts(z[,1], frequency=7)))

どういうわけか、それを機能させるには期間を変更する必要があります。しかし、季節性は実際には製品によって異なり、その問題をどのように処理すればよいかわかりません。

(3) 全般 私の考えについてのコメントは大歓迎です。たとえば、上記のプロットは基本的に、ほぼ毎日 1 つのパッドを販売していることを示しています。次に、どういうわけか検出する必要があります.数日間、10台以上のiPadが販売されましたが、これをバーストと見なします. 一般的にバースト検出に使いやすい他の R パッケージはありますか? ありがとう

4

1 に答える 1

3

diff()デルタの質問を見てください。これは、「バースト」に気付く簡単な方法でもあります。

diff(z)
plot(diff(z))
于 2013-10-22T22:48:01.053 に答える