【发布时间】：2013-10-22 22:19:27
【问题描述】：
我是 R 中时间序列的新手，如果我犯了任何错误，请纠正我。
我有商店中产品库存的每日快照。 如果有帮助，您可以将其作为 Bestbuy 中的 iPad 数量，然后我去 Bestbuy 并计算他们仓库中的所有 Ipad :) 并记下。
而且我可以监控他们每天售出多少 iPad，以及他们何时补充库存。我的目标是尝试做一些时间序列分析。首先找到他们的 iPad 销量的趋势和季节性，然后建立一个爆发检测模型，这样如果有一天销量太低或太高。我会收到通知。
一些假数据：
library(zoo)
index <- seq(as.Date('2013-01-01'), as.Date('2013-01-31'), by="day")
data <- c(seq(5, 1), seq(15, 1), seq(10, 5), seq(10, 5))
z <- zoo(data, index)
plot(z)
(1) 有没有一个方便的函数来计算相邻两天的增量，以便首先获得他们的每日销售额？如此消极意味着卖了这么多 Ipad，而积极意味着补货。
(2) 当我尝试使用分解查找趋势时，它告诉我：
> decompose(z)
Error in decompose(z) : time series has no or less than 2 periods
然后我意识到我需要确定一周是一个好的开始的季节性。所以我可以做到。
plot(decompose(ts(z[,1], frequency=7)))
我知道，我需要modify the period 才能让它工作。但季节性实际上因产品而异，我不知道如何处理这个问题。
(3) 欢迎对我的想法发表一般评论。例如，上图基本上显示他们几乎每天都卖出 1 个 pad。然后我需要以某种方式检测，几天后他们卖出了超过 10 台 ipad，我将把它们当作一个爆发。 一般来说，是否有其他易于使用的 R 包进行突发检测？谢谢
【问题讨论】：
-
对于问题 1) 看看
diff()。 -
你为什么要寻找趋势？你在预测吗？我们正在转向统计建议，但我认为最好先确定季节性周期，而不是“数据窥探”，直到 R 允许您进行分解。实际上，您的数据中似乎没有太多的季节性，但可能只是窗口的小尺寸。
-
@Hugh 我实际上是在考虑不在产品层面做预测，而是在供应商层面工作，比如说所有的苹果产品，找到趋势。对不起，我没有提到计划这个问题。应该有每周的季节性，因为人们在周末有更多时间在“Bestbuy”上购物。库存看起来不明显，但销售额会。
标签： r time-series zoo