¿Cómo calcular el error de previsión (intervalos de confianza) para periodos en curso?

Question

A menudo necesito hacer previsiones para periodos futuros en series mensuales de datos.

Existen fórmulas para calcular el intervalo de confianza en alfa para el siguiente periodo de la serie temporal, pero nunca se incluye cómo tratar el segundo periodo, y el tercero, etc.

Me imagino visualmente que si cualquier previsión se representara gráficamente con intervalos de confianza superior e inferior, por lo general esos intervalos deberían aumentar o disminuir exponencialmente con respecto a la previsión media, ya que la incertidumbre es una fuerza acumulativa.

Supongamos que tengo una venta unitaria de Abril = 10 Mayo = 8 Junio = 11 Julio = 13 y ningún otro contexto como datos de estacionalidad o población

Tenemos que pronosticar (aunque sea a ciegas) agosto, septiembre y octubre.

¿Qué método utilizaría? y lo que es más importante aquí, ¿cómo medirá la confianza para septiembre y octubre?

Siento que ésta pueda ser una pregunta sencilla para algunos expertos - he estado indagando mucho para encontrar una respuesta clara, y estoy seguro de que es algo que a todos los aficionados como yo nos encantaría entender.

Answer 1

Hay tantos aspectos estrechos calculando intervalos de predicción proceso de generación de datos y el modelo utilizado para describir este proceso (modelo de series temporales, modelo de regresión), ¿son tus datos estacionarios (para este tipo tu conclusión es errónea ya que los datos estacionarios no tienden a alejarse de su valor medio) o explosivos (para un proceso integrado verás algo de lo que has descrito). Creo que una excelente revisión de Chris Chatfield con respecto a Intervalos de predicción responderá a la mayoría de sus preguntas.

En cuanto a la venta de unidades:

• como tiene un intervalo de previsión corto, puede intentar prever mediante suavizado exponencial (en R es el ets() función de forecast )
• otra opción sería modelarlo como un proceso ARIMA (la misma biblioteca tiene auto.arima() )
• en microeconometría, sin embargo, los modelos de regresión son preferibles a los a-teóricos, pero a corto plazo no vencen necesariamente a los dos primeros

Ambos casos tienen fórmulas para calcular los intervalos de predicción y se discuten en la revisión antes mencionada (comúnmente se asume la normalidad de los residuos, pero esto no es un supuesto crucial).