statistics - 发生预测

Question

我想知道哪种方法最适合预测事件的发生。例如，给定一组来自​​ 5 年疟疾感染发生率的数据和影响发生率的其他几个因素，我想预测未来五年的疟疾感染发生率。我的想法是用模糊逻辑规则推导出一种发生因子，然后用发生因子对出现进行平均得到第一个预测的发生，然后再用预测的发生对所有的事件进行平均，并继续迭代所有五个年，但我决定在网上寻求帮助。

Answer 1

预测的方法有很多种，每种方法都有自己的优点和缺点。确定预测准确性的科学通常包括尽量减少错误。所有的预测都归结为使用过去作为未来的预测器，并对其进行一定程度的调整。例如，明天的温度将与今天相同，加上或减去一些量。您如何决定 +/- 会有所不同。

以下是您可能想要查看的一系列技术：

• 移动平均线（单、单、双）
• 指数平滑
• 分解（趋势+季节性+周期性+不规则）
• 线性回归
• 多重回归
• Box-Jenkis（又名 ARIMA，自回归综合移动平均线）

对不起，对于模糊的答案，但预测是复杂的东西。

你所描述的关于将你的预测反馈到模型中以产生未来预测的内容是标准的东西。我不知道“模糊逻辑”是否能给你带来什么特别的东西。正如任何预测讲师都会告诉你的那样，有时你只是眯着眼睛看数据。上下文就是一切。

Answer 2

我会使用logit或probit模型来预测给定一组外生情况的发生。不知道为什么要迭代。这基本上相当于在回归公式中包含一个滞后。你可以做到，只要系数<1，你就不会有爆炸问题。

如果要向自变量引入内生性元素，可以使用VAR。

Answer 3

我认为按照您所说的想法，随着时间的推移，您将具有渐近行为。您的数据要么收敛到 0，要么会爆炸。也就是说，您可能必须先提供一些数据和/或描述其属性，然后才能有人帮助您。这基本上是一个模拟，当涉及到外推时，因素就是一切。