TBATS — Wygładzanie Wykładnicze z Elementami Trygonometrycznymi dla Złożonej Sezonowości
TBATS to innowacyjny model przestrzeni stanów do prognozowania, wprowadzony przez De Livera, Hyndmana i Snydera (2011), który łączy transformację Boxa-Coxa, błędy ARMA i trygonometryczne (fourierowskie) składniki sezonowe. Został zbudowany do obsługi ciągłych szeregów czasowych z wieloma zagnieżdżonymi cyklami sezonowymi jednocześnie — na przykład danych godzinowych, które powtarzają się również dziennie, tygodniowo i rocznie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/pl/econometrics/tbats
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- SARIMA (Seasonal ARIMA)Ekonometria↔ compare
- Dekompozycja STL: Dekompozycja sezonowo-trendowa z użyciem LoessEkonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →