Model Yeterliliği ve Artık (Residual) Analizi
Kurduğunuz ARIMA veya ETS modelinin veriyi gerçekten iyi öğrenip öğrenmediğini görmek için modelin yaptığı hatalara (artıklar) bakılır. İyi bir modelde hatalar tamamen rastgele olmalı (Beyaz Gürültü), geriye bir otokorelasyon veya değişen varyans bırakmamalıdır.
Ortak Oturum Aktif
Bekleniyor...
Test Edilen Model:
Model Tanıları (Yeterlilik) Özeti
-
1. Otokorelasyon (Ljung-Box)
Bekleniyor...
2. Varyans (ARCH-LM Testi)
Bekleniyor...
3. Dağılım (Normallik)
Bekleniyor...
Genel Değerlendirme & Karar:
Lütfen bekleyiniz, analiz ediliyor...
Standartlaştırılmış Artık (Residual) Grafikleri
Artıklar vs Zaman
Normal Q-Q (Uyum) Grafiği
Artık Histogramı (Dağılım)
Korelogram (Artık ACF)
Ljung-Box Testi (Otokorelasyon)
| Lag | Q-İstatistiği | $p$-değeri | Karar |
|---|
ARCH-LM Testi (Değişen Varyans)
| Lag | LM-İstatistiği | $p$-değeri | Karar |
|---|
Jarque-Bera Testi (Normallik)
Test İstatistiği (JB): -
$p$-değeri: -
Karar: -
Artıkların Temel İstatistikleri
Ortalama-
Standart Sapma-
Çarpıklık (Skew)-
Basıklık (Kurt)-
Sistem Değerlendirmesi
Analiz bekleniyor...
Artık (Residual) ve Ljung-Box Testi
$$ e_t = y_t - \hat{y}_t $$
$$ Q = n(n+2)\sum_{k=1}^{m} \frac{\hat{\rho}_k^2}{n-k} $$
Jarque-Bera (Normallik Testi)
$$ JB = \frac{n}{6} \left( S^2 + \frac{(K-3)^2}{4} \right) $$