Prédiction linéaire
predict(v, m, n) : renvoie un vecteur de n valeurs prévues après la dernière valeur dans v, en supposant que les données sont mesurées à intervalles de temps égaux.
La fonction predict utilise la méthode de Burg pour calculer des coefficients d'autocorrélation pour les m derniers points dans v, qui sont ensuite utilisés pour prévoir la valeur du point (m + 1). Cette procédure se répète sur une fenêtre glissante. Cet algorithme est utile lorsque les données sont homogènes et oscillantes, bien que pas nécessairement périodiques.
La prédiction linéaire peut être utilisée pour l'extrapolation, mais ne doit pas être confondue avec l'extrapolation linéaire ou polynomiale. La fonction predict peut être utilisée pour estimer les valeurs précédentes en inversant l'ordre de v.
Arguments
v est un vecteur de données réelles d'échantillons de données régulièrement espacés.
m, n sont des entiers positifs, 0 < m < length(v) − 1. En pratique, m doit être nettement inférieur à length(v). A mesure que vous augmentez le nombre de points prévus n restant supérieur à m, les valeurs prévues seront calculées en se basant uniquement sur les valeurs prévues précédentes, ce qui peut générer des résultats indésirables.
Est-ce que cela a été utile ?