¿Cómo usar la Estimación de Densidad del Núcleo para la Predicción?

Question

Me gustaría aplicar KDE al reabastecimiento de inventario, pero no estoy seguro de cómo usar el análisis para predecir ventas futuras basadas en ventas pasadas. Dado un conjunto de datos y habiendo aplicado KDE a él (probablemente usando una distribución gaussiana), ¿cómo hago una predicción sobre el futuro?

¡Gracias por cualquier ayuda! Por favor, avísenme si puedo aclarar algo, recién estoy comenzando a aprender el lenguaje para hablar sobre KDE ... Estoy dispuesto a investigar por mi cuenta, cualquier recurso sería bienvenido.

Answer 1

Puedes usar la estimación condicional de la densidad del kernel para obtener la densidad de ventas en el tiempo $t+h$ condicional a los valores de ventas en los tiempos $t, t-1, t-2, \dots$ Esto te da un pronóstico de densidad en lugar de un pronóstico puntual. El problema es que la condición es difícil en un entorno de densidad cuando el número de variables de condicionamiento es mayor a 2. Mira este artículo para una discusión de la idea básica.

Un procedimiento alternativo que impone más suposiciones (pero permite más variables de condicionamiento) es ajustar una autorregresión aditiva como se describe en Chen y Tsay (1993) y luego usar kde en los residuos para obtener las densidades de pronóstico.

Sin embargo, sospecho que ambos son más complicados de lo que realmente quieres. Te sugiero que leas un libro de texto sobre pronóstico de la demanda como Levenbach y Cleary (2006).

Answer 2

Yo habría pensado que KDE tiene poco o ningún relación con predecir futuras ventas basadas en ventas pasadas. Me parece más como análisis de serie temporal , aunque esa realmente no es mi área.