น2.4. Parametric forecast errorFoll

น2.4. Parametric forecast error
Following Hartig and Dormann (2013), point estimates of the
various parameters (the medians of the parameters sampled during
the MCMC) were used to compute predicted future population sizes
for up to the next 50 time steps. Concretely, for each parameter point
estimates, 50 time series were computed starting at time step t (with t
in [50; 99]), and lasting during 100t steps. These time series were
using as initial X(t) values, a maximum-likelihood estimator based on
the last five observed population sizes N(t4)…N(t), and using the
model parameter point estimates. The mean square error between
the simulated X(t) values and the reference X(t) values was then
computed, and divided by the standard deviation of the reference
time series to obtain standardized root mean square errors (SRMSE,
see Hartig and Dormann (2013) for details, and Appendix for the R
scripts used). Constant forecasts equal to the population temporal
mean would lead to a SRMSE equal to one. Therefore, forecasts with a
SRMSE larger than one can be considered to have failed. Note that,

ผลลัพธ์ (ไทย) 1:

น2.4. Parametric คาดการณ์ผิดพลาดต่อ Hartig และ Dormann (2013), ชี้ประเมินการพารามิเตอร์ต่าง ๆ (การ medians พารามิเตอร์ตัวอย่างระหว่างMCMC) ถูกใช้เพื่อคำนวณขนาดประชากรคาดการณ์ในอนาคตสำหรับสูงถึง 50 หน้าเวลาขั้นตอนการ รูปธรรม พารามิเตอร์แต่ละตัวชี้ประเมิน มีคำนวณเวลา 50 ชุดราคาเริ่มต้นที่ขั้นตอนเวลา t กับ tใน [50, 99]), และยั่งยืนในระหว่างขั้นตอน t 100 ชุดเวลาเหล่านี้ได้ใช้เป็นค่าเริ่มต้นใน X(t) การประมาณความเป็นไปได้สูงสุดตาม5 สุดท้ายสังเกตขนาดประชากร N (t 4) ... N(t) และการใช้จุดพารามิเตอร์ของแบบจำลองประเมิน ข้อผิดพลาดของค่าเฉลี่ยกำลังสองระหว่างค่า X(t) จำลองและการอ้างอิง X(t) ค่าถูกแล้วคำนวณ และหาร ด้วยส่วนเบี่ยงเบนมาตรฐานของการอ้างอิงลำดับเวลาการได้รับข้อผิดพลาดมาตรฐานหลักค่าเฉลี่ยกำลังสอง (SRMSEดู Hartig และ Dormann (2013) สำหรับรายละเอียด และภาคผนวกสำหรับ Rสคริปต์ใช้) คาดการณ์คงเท่ากับประชากรชั่วคราวหมายความว่าจะนำไปสู่การ SRMSE เท่ากับหนึ่ง ดังนั้น จึง คาดการณ์ด้วยการSRMSE ใหญ่กว่าหนึ่งจะถือว่าล้มเหลว หมายเหตุว่า

ผลลัพธ์ (ไทย) 2:

น 2.4 ข้อผิดพลาดในการคาดการณ์ Parametric
หลังจาก Hartig และ Dormann (2013)
ประมาณการจุดของพารามิเตอร์ต่างๆ(มีเดียของพารามิเตอร์ตัวอย่างในช่วง
MCMC)
ถูกนำมาใช้ในการคำนวณขนาดของประชากรที่คาดการณ์ในอนาคตได้ถึง50 ขั้นตอนต่อไปเวลา เป็นรูปธรรมสำหรับแต่ละพารามิเตอร์จุดประมาณการ 50 อนุกรมเวลาถูกคำนวณเริ่มต้นในเวลาขั้นตอนที (มีเสื้อใน[50; 99]) และเป็นเวลานานในช่วง 100 เสื้อขั้นตอน อนุกรมเวลาเหล่านี้ถูกใช้เป็นครั้งแรก X (t) ค่าที่ประมาณการโอกาสสูงสุดขึ้นอยู่กับช่วงห้าสังเกตขนาดประชากรN (T? 4) ... N (t) และการใช้จุดรูปแบบพารามิเตอร์ประมาณการ ข้อผิดพลาดเฉลี่ยตารางระหว่างจำลอง X (t) ค่านิยมและ X อ้างอิง (t) ค่าแล้วคำนวณและหารด้วยค่าเบี่ยงเบนมาตรฐานของการอ้างอิงอนุกรมเวลาที่จะได้รับรากมาตรฐานหมายถึงตารางข้อผิดพลาด(SRMSE, เห็น Hartig และ Dormann ( 2013) สำหรับรายละเอียดและภาคผนวกสำหรับ R สคริปต์ใช้) การคาดการณ์คงที่เท่ากับประชากรชั่วคราวหมายความว่าจะนำไปสู่ ​​SRMSE เท่ากับหนึ่ง ดังนั้นการคาดการณ์ที่มีSRMSE ขนาดใหญ่กว่าหนึ่งสามารถได้รับการพิจารณาจะล้มเหลว โปรดทราบว่า

ผลลัพธ์ (ไทย) 3:

น 2.4 . ตัวแปรพยากรณ์
ต่อไปนี้ Hartig dormann ( 2013 ) และประเด็นการประเมินของ
พารามิเตอร์ต่างๆ ( มีเดียของพารามิเตอร์ในตัวอย่าง
MCMC ) ถูกใช้เพื่อคำนวณทำนาย
ขนาดประชากรในอนาคตถึงขั้นตอน 50 ต่อไป อย่างเป็นรูปธรรม สำหรับแต่ละจุด
พารามิเตอร์ประมาณ 50 ชุดถูกคำนวณเวลาเริ่มต้นที่ขั้นตอนที่เวลา t ( t
[ 99 ] 50 ; )และยั่งยืนระหว่าง 100  T ขั้นตอน เหล่านี้ถูกใช้เป็นครั้งแรกในอนุกรมเวลา
X ( t ) ค่า สูงสุดประมาณตามโอกาส
5 คนสุดท้าย สังเกตขนาดของประชากร N ( t  4 ) . . . . . . . N ( t ) และใช้แบบจำลองพารามิเตอร์
จุดประมาณการ ความคลาดเคลื่อนกำลังสองเฉลี่ยระหว่าง
) x ( t ) และค่าอ้างอิง x ( t ) ค่าแล้ว
คำนวณ และหารด้วยค่าส่วนเบี่ยงเบนมาตรฐานของค่าอ้างอิง
อนุกรมเวลา เพื่อให้ได้มาตรฐานหมายถึงรากข้อผิดพลาดตาราง ( srmse
เห็น Hartig dormann , และ ( 2013 ) รายละเอียดและภาคผนวกสำหรับ R
สคริปต์ที่ใช้ ) คงคาดการณ์เท่ากับประชากรชั่วคราว
หมายถึงจะนำไปสู่ srmse เท่ากับหนึ่ง ดังนั้น การคาดการณ์ด้วย
srmse ขนาดใหญ่กว่าหนึ่งถือว่าล้มเหลว สังเกตว่า