Forecasting an Accumulated Series Based on Partial Accumulation
基于部分累计数据预测累计总量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究少量时间序列观测下的累计总量预测及后验预测分布，因此归入时间序列与预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于部分累计数据预测累计总量
- 研究问题
- 在只有少量观测且只见到部分累计值时，如何预测正值连续变量的最终累计总量，并给出未来总量的不确定性分布？
- 方法与思路
- 作者在季节性稳定的假设下建立部分累计量与总量的关系模型，以贝叶斯方法和无信息先验求解点预测及后验预测分布。
- 材料陈述的贡献
- 摘要称，该模型可给出点预测与后验预测分布的精确解析结果，并借助实例说明在观测太少、常规方法无法应用时的预测用途。
- 阅读关注点
- 阅读全文时应核对稳定季节性的含义、部分量与总量的关系设定及无信息先验，并检查解析推导、预测校准和示例中的比较基准。
- 阅读边界
- 所给摘要来自OpenAlex，具体版本未说明；摘要也未交代样本规模或季节性失稳时的表现，无法判断适用范围及预测改进幅度。
原文摘要
We present a Bayesian solution to forecasting a time series when few observations are available. The quantity to predict is the accumulated value of a positive, continuous variable when partially accumulated data are observed. These conditions appear naturally in predicting sales of style goods and coupon redemption. A simple model describes the relation between partial and total values, assuming stable seasonality. Exact analytic results are obtained for point forecasts and the posterior predictive distribution. Noninformative priors allow automatic implementation. The procedure works well when standard methods cannot be applied due to the reduced number of observations. Examples are provided.