Problema calcolo probabilità evento futuro attraverso un trend
Ciao ragazzi,
sono nuovo e volevo condividere con voi un problema a cui non riesco a trovare una soluzione.
Supponiamo di avere uno storico degli ultimi 10 giorni del numero di articoli aggiunti su uno scaffale di un piccolo negozio.
giorno 1 - 10 articoli
giorno 2 - 0 articoli
giorno 3 - 0 articoli
giorno 4 - 3 articoli
giorno 5 - 1 articoli
giorno 6 - 0 articoli
giorno 7 - 4 articoli
giorno 8 - 0 articoli
giorno 9 - 1 articoli
giorno 10 - 0 articoli
Voglio calcolare la probabilità che nei prossimi giorni trovo almeno 1 nuovo articolo nel negozio. Nel caso la probabilità di trovare almeno 1 nuovo articolo fosse inferiore al 50% quel giorno non andrei. Il giorno successivo ricalcolerei la probabilità di trovare un nuovo articolo tenendo in considerazione che la probabilità deve essere sicuramente aumentata rispetto al giorno precedente poichè non vado da 2 giorni.
Ho pensato inizialmente di risolvere la cosa attraverso una distribuzione di poisson, ma non mi convince molto.
Ho preso \lambda= 1,9 (numero medio di nuovi articoli per giorno)
A questo punto ho calcolato la probabilità di trovare 0 articoli nuovi attraverso la formula di poisson ed ho ottenuto 0,149568619.
La mia probabilità di trovare almeno un articolo nuovo nel giorno 11 sarebbe quindi: 1-0,149568619=0,850431381
Non mi convince per il fatto chei giorni in cui vengono aggiunti un numero considerevole di articoli, pesano di molto sulla media e quindi sulla probabilità finale.
Sebbene devo tenere in considerazione che il numero di nuovi articoli sia importante ai fini del calcolo, l'obiettivo finale è quello di riuscire a non andare nel piccolo negozio nel momento in cui la probabilità di trovare 0 articoli sia troppo alta ed in questo modo non riuscirei.
Avete qualche idea a riguardo?
Vi ringrazio
sono nuovo e volevo condividere con voi un problema a cui non riesco a trovare una soluzione.
Supponiamo di avere uno storico degli ultimi 10 giorni del numero di articoli aggiunti su uno scaffale di un piccolo negozio.
giorno 1 - 10 articoli
giorno 2 - 0 articoli
giorno 3 - 0 articoli
giorno 4 - 3 articoli
giorno 5 - 1 articoli
giorno 6 - 0 articoli
giorno 7 - 4 articoli
giorno 8 - 0 articoli
giorno 9 - 1 articoli
giorno 10 - 0 articoli
Voglio calcolare la probabilità che nei prossimi giorni trovo almeno 1 nuovo articolo nel negozio. Nel caso la probabilità di trovare almeno 1 nuovo articolo fosse inferiore al 50% quel giorno non andrei. Il giorno successivo ricalcolerei la probabilità di trovare un nuovo articolo tenendo in considerazione che la probabilità deve essere sicuramente aumentata rispetto al giorno precedente poichè non vado da 2 giorni.
Ho pensato inizialmente di risolvere la cosa attraverso una distribuzione di poisson, ma non mi convince molto.
Ho preso \lambda= 1,9 (numero medio di nuovi articoli per giorno)
A questo punto ho calcolato la probabilità di trovare 0 articoli nuovi attraverso la formula di poisson ed ho ottenuto 0,149568619.
La mia probabilità di trovare almeno un articolo nuovo nel giorno 11 sarebbe quindi: 1-0,149568619=0,850431381
Non mi convince per il fatto chei giorni in cui vengono aggiunti un numero considerevole di articoli, pesano di molto sulla media e quindi sulla probabilità finale.
Sebbene devo tenere in considerazione che il numero di nuovi articoli sia importante ai fini del calcolo, l'obiettivo finale è quello di riuscire a non andare nel piccolo negozio nel momento in cui la probabilità di trovare 0 articoli sia troppo alta ed in questo modo non riuscirei.
Avete qualche idea a riguardo?
Vi ringrazio
Risposte
Ciao Sergio, grazie mille della rapida risposta.
Effettivamente mi sono dimenticati di dire che i dati sono assolutamente indipendenti tra di loro e gli articoli rimasti a fine giornata non influiscono in alcun modo.
Interessante il fatto di correggere la sotto/sovradispersione, in questo caso cosa mi consiglieresti di fare?
Il modello zero inflated Poisson invece non lo conoscevo, sto cercando di informarmi a riguardo in questo momento ma sto facendo fatica a capire come calcolare P(0) in questo caso.
Effettivamente mi sono dimenticati di dire che i dati sono assolutamente indipendenti tra di loro e gli articoli rimasti a fine giornata non influiscono in alcun modo.
Interessante il fatto di correggere la sotto/sovradispersione, in questo caso cosa mi consiglieresti di fare?
Il modello zero inflated Poisson invece non lo conoscevo, sto cercando di informarmi a riguardo in questo momento ma sto facendo fatica a capire come calcolare P(0) in questo caso.
Non sono riuscito a capire molto poichè questo va oltre alle mie basilari conoscenze di calcolo. Il risultato finale che mi hai presentato sembra però ottimo. Proverò a studiarmi il materiale che mi hai presentato e quel programma di cui mi hai parlato per vedere se riesco a capire qualcosa e a tirarne fuori qualcosa di interessante.
Intanto ti ringrazio
Intanto ti ringrazio
Il modello che mi hai presentato è davvero molto complesso da comprendere.
Non esiste un modo più semplice per avere un risultato approssimativo o un modo per comprendere più facilmente il modo in cui vengono trovati i risultati?
Non esiste un modo più semplice per avere un risultato approssimativo o un modo per comprendere più facilmente il modo in cui vengono trovati i risultati?
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo