Якщо у вас є дані хронологічних даних про серіали часу, то існують "ноу-хау", і очікування їх виявлення - це "невідомі". Наприклад, якщо у вас є послідовність точок даних за 10 періодів, таких як 1,9,1,9,1,5,1,9,1,9, то на основі цього зразка можна з розумом очікувати 1,9,1,9 , ... виникати в майбутньому. Що показує аналіз даних, це те, що на 6-му періоді спостерігається "незвичне" читання, навіть якщо воно знаходиться в межах + -3 сигма-меж, що говорить про те, що ФДВ не дотримувався. Демаскування Inlier / Outlier дозволяє нам розкрити дані про дані. Також зазначимо, що середнє значення не є очікуваним значенням. Ця ідея легко поширюється на виявлення середніх зрушень та / або локальних тенденцій часу, які, можливо, були невідомі до аналізу даних (породження гіпотези). Зараз цілком можливо, що наступні 10 читання також 1,9,1,9, 1,5,1,9,1,9 припускаючи, що "5" не обов'язково є непередбачуваним. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. 9 говорить про те, що "5" не обов'язково є непередбачуваним. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. 9 говорить про те, що "5" не обов'язково є непередбачуваним. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. не обов'язково є невдалим. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. не обов'язково є невдалим. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. Якщо ми спостерігаємо процес помилки відповідної моделі, яка демонструє непостійну дисперсію, ми можемо виявити одне з наступних станів природи: 1) параметри можуть змінитися в певний момент часу; 2. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. Може виникнути потреба у зваженому аналізі (GLS); 3. Може виникнути необхідність перетворення даних за допомогою силового перетворення; 4. Можливо, існує потреба в моделюванні дисперсії помилок. Якщо у вас є щоденні дані, хороший аналіз може виявити, що навколо кожного свята є вікно реагування (відведення, сучасність та структура відставання), що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. сучасна та відстала структура) навколо кожного свята, що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність. сучасна та відстала структура) навколо кожного свята, що відображає послідовну / передбачувану поведінку. Можливо, ви також зможете виявити, що певні дні місяця мають суттєвий вплив або що п’ятниця перед понеділковим святом має виняткову активність.