Modelización de Series temporales de las relaciones

Question

Estoy teniendo dificultades para lidiar con una serie de tiempo de las relaciones entre dos números.

Tengo dos series de tiempo, básicamente un recuento de los "éxitos" y "ensayos". Lo que me interesa, sin embargo, es la relación entre estos dos números: quiero extrapolar esta tasa de éxito para el conjunto de la población.

Otra complicación es que estoy seguro de que (como en el 99% seguro) que los períodos anteriores están fuertemente sesgadas y no representan a la población.

Ahora, no estoy seguro de cómo me podría modelo de este. Traté de modelización de la serie como un paseo aleatorio por el registro de la relación. Algo como (siguiendo este ejemplo: ):

with pm.Model() as model:
    smth_parm = pm.Uniform("smth_parm", lower=0, upper=1)
    tau2 = pm.Exponential("tau", 1.0/(50.0**2.0))
    z2 = pm.GaussianRandomWalk("z2",
                           tau=tau2 / (1.0 - smth_parm), 
                           shape=len(rates_df))
    obs = pm.Normal("obs", 
                    mu=z2*np.log(rate_df.rate_lag),
                    tau=tau2 / smth_parm, 
                    observed=np.log(rates_df.rate))

Y obtuve este resultado (muestreo de la Posterior Predicción de Cheques):

Estoy BASTANTE seguro de que el período inicial debe tener una media cercana a los posteriores, incluso a costa de una mayor varianza. Pero no puedo ver cómo la fuerza que en el modelo.

Por lo tanto, necesito ayuda para:

1 - Modelo de esta relación

2- "la Fuerza" el modelo de admitir a la de períodos anteriores como sesgada

Y sé que toda esta "Serie de Ratios de Éxitos" apesta como una Beta(Binomial) debe participar, pero no estoy seguro de cómo. Y sí, el número de éxitos y de los ensayos de hacer aumentar con el tiempo, pero incluso teniendo en cuenta esto, el principio está sesgada hacia "arriba".

La mayoría de las guías y tutoriales acerca de los pronósticos, pero eso no es lo que necesito. Simplemente quiero crear un modelo que mejor describe los datos de mi. Específicamente, el futuro informar mejor a las entradas anteriores

Answer 1

Algunos consejos de la fuente de todos los tiempos de la serie de conocimientos ( sonrisa ! )

1. al convertir dos columna a otra columna ... pierde información por lo tanto dp no hacerlo
2. modelo y como una función de x .. predecir x para obtener una predicción de y y, a continuación, si usted está tan inclinado calcular la proporción de la predicción y a la predicción de x para obtener una predicción de la proporción de
3. Codificar la incertidumbre en la predicción de x en la función de transferencia del modelo entre y y x, mientras que
4. detectar actividad inusual se pulsa , el nivel de turnos, de temporada, locales y/o tendencias en el tiempo . Incluir la posibilidad de futuro de los pulsos en la predicción de los límites alrededor del valor esperado de y

5 detectar posibles cambios en la varianza de error que puede haber ocurrido dentro de los segmentos de tiempo como es el caso con los datos

6. verificar la constancia de los parámetros del modelo a lo largo del tiempo lo que sugiere la segmentación de los datos

Si desea puede enviar sus datos y voy a tratar de ser de más ayuda ..