这个例子展示了如何使用预测
.时间序列是1949年至1960年国际航空公司每月的乘客数量。
加载数据集航空公司数据
.
装载(“Data_Airline.mat”)y=对数(数据);T=长度(y);Mdl=arima(“不变”,0,“D”1.“季节性”,12,...“马拉格”1.“SMALags”12);EstMdl =估计(Mdl y);
1.1.1.1)1.1.1)1.1.1)1.1.1)1.1.1)1.1.1)1.1.1)1.1.1.1.1)1.1)1.1.1.1.1)1.1.1.1.1.1.1.1.1.1)模型季节性集成的模型季节性与季节性的季节性Ma1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.0.00012395 10.193 2.1406e-24
使用拟合模型生成60个月(5年)范围内的MMSE预测和相应的均方误差。使用观察到的序列作为前样本数据。默认情况下,预测
使用指定的模型和观测值推断采样前创新。
[yF,yMSE]=预测(EstMdl,60,y);上限=yF+1.96*sqrt(yMSE);下限=yF-1.96*sqrt(yMSE);图表(y,“颜色”,[75,75,75])保持在h1=曲线图(T+1:T+60,yF,“r”,“线宽”,2);h2=图(T+1:T+60,上,“k——”,“线宽”,1.5);绘图(T+1:T+60,更低,“k——”,“线宽”,1.5)xlim([0,T+60])标题('预测和95%预测间隔')图例([h1,h2],“预测”,“95%间隔”,“位置”,“西北”)举行关
MMSE预测显示航空公司乘客数量在预测期内持续增长。然而,置信区间表明乘客数量下降是合理的。因为这是一个非平稳过程,预测间隔的宽度会随着时间的推移而增加。
在同一预测范围内模拟500条样本路径。将模拟平均值与MMSE预测值进行比较。
rng“默认”;res=推断(EstMdl,y);Ysim=模拟(EstMdl,60,“NumPaths”,500,“Y0”, y,‘E0’,res);yBar=平均值(Ysim,2);simU=曲线图(Ysim,97.5,2);simL=曲线图(Ysim,2.5,2);图h1=曲线图(yF,“颜色”(.85、.85 .85),“线宽”,5);保持在h2=曲线图(yBar,“k——”,“线宽”,1.5);xlim([0,60])图([上,下],“颜色”(.85、.85 .85),“线宽”,5)绘图([simU,simL],“k——”,“线宽”, 1.5)标题(“MMSE和蒙特卡罗预测的比较”)图例([h1,h2],“彩信”,“蒙特卡洛”,“位置”,“西北”)举行关
MMSE预测和模拟平均值几乎无法区分。理论95%预测区间和基于模拟的95%预测区间之间存在细微差异。