Prognose

Das ARIMA-Modell ist eine statistische Methode zur Zeitreihenprognose, die Autoregression, Integration und gleitende Durchschnitte kombiniert.

Autoregressive Integrierte Gleitende Durchschnitts (ARIMA) ist ein statistisches Analysemodell, das für die Prognose von Zeitreihendaten verwendet wird.

Ein autoregressives Modell sagt zukünftige Werte basierend auf vergangenen Werten in einer Zeitreihe voraus.

Exponentielle Glättung ist eine Prognosemethode, die gewichtete Durchschnitte vergangener Daten verwendet, um zukünftige Werte vorherzusagen.

Prognosefehler bezeichnet die Differenz zwischen vorhergesagten und tatsächlichen Werten in prädiktiven Modellen.

Der Mean Absolute Percentage Error misst die Genauigkeit eines Prognosemodells in Prozent.

Multi-step forecasting sagt zukünftige Werte über mehrere Zeitschritte anhand historischer Daten voraus, häufig mit fortschrittlichen KI-Techniken.

Naive Forecast ist eine einfache Prognosemethode, die vergangene Daten nutzt, um zukünftige Werte ohne komplexe Modelle vorherzusagen.