1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
ক্লাসিক পূর্বাভাস মডেল।
ক্লাসিক পূর্বাভাস মডেল।
🌐 English:
Classic forecasting model.
Classic forecasting model.
🗂 কোথায় পড়ে
৩. মেশিন লার্নিং → টাইম সিরিজ → ARIMA
🎯 এই শাখার লক্ষ্য
Decompose, test stationarity, forecast
🧰 টুলস
statsmodels, Prophet
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
ক্লাসিক পরিসংখ্যানিক পূর্বাভাস মডেল—অর্থনীতি ও জনস্বাস্থ্যে মানদণ্ড।
- ধাপ 1AR(p): অতীত মান থেকে; MA(q): অতীত ত্রুটি থেকে; I(d): ডিফারেন্সিং
- ধাপ 2ACF থেকে q, PACF থেকে p অনুমান; ADF থেকে d
- ধাপ 3ARIMA(p,d,q) ফিট, AIC দিয়ে তুলনা (বা auto_arima)
- ধাপ 4SARIMA(P,D,Q,s) দিয়ে সিজনালিটি; রেসিডুয়াল সাদা নয়েজ কিনা যাচাই
🧪 বাস্তব উদাহরণ
মাসিক বৃষ্টিপাতে SARIMA(1,0,1)(1,1,1,12)।
⚠️ সাধারণ ভুল
রেসিডুয়াল যাচাই না করে পূর্বাভাসে আস্থা।
🔑 মূল শব্দ (Key terms)
ARIMASARIMAACFPACFAICauto_arima
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক4.1 AR, I, MA4.1.1 তিন উপাদান
4.2 ACF/PACF দিয়ে p, q নির্বাচন
4.3 SARIMA4.3.1 সিজনাল সংস্করণ
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Time Series)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np, pandas as pd, matplotlib.pyplot as plt
idx=pd.date_range("2022-01-01",periods=36,freq="MS"); t=np.arange(36)
temp=pd.Series(26+0.05*t+5*np.sin(2*np.pi*t/12)+np.random.default_rng(0).normal(0,.6,36),idx)
roll=temp.rolling(12).mean(); diff=temp.diff()
print(temp.head()); print("Seasonal lag-12 autocorrelation:",round(temp.autocorr(12),3))
temp.plot(label="monthly temp"); roll.plot(label="12-mo rolling mean"); plt.legend(); plt.title("Trend + seasonality"); plt.show()❓
সেল্ফ-চেক · Self check
1. “তিন উপাদান” — এটি কোন সাব-টপিকের বর্ণনা?
2. “সিজনাল সংস্করণ” — এটি কোন সাব-টপিকের বর্ণনা?
🔗