Da die Datenmenge im Laufe der Jahre immer mehr gestiegen ist, hat die statistische Analyse der Daten an Bedeutung gewonnen. Jeder Datensatz benötigt einen speziellen Modellansatz. Außerdem ist die Interpretierbarkeit der Modellergebnisse für den Datenbesitzer entscheidend. Wir entwickeln eine statistische Analyse eines Apothekenproduktverkaufs, der die Aussagekraft von Google Trends, der Temperatur und Feiertagsdaten in Deutschland sowie der harmonische Regressionskomponenten untersucht. Wir stellen fest, dass die Verwendung der Google Trendsdaten als erklärende Variable in den meisten Regionen zu einer signifikanten Verbesserung der Prognose führt. Basierend auf den Ergebnissen der Modellanpassung führen wir ein
Clustering durch. Schließlich präsentieren wir eine erste Abhängigkeitsanalyse mit Hilfe eines Kopula-Ansatz und zeigen, dass ein Clustering- Ansatz, der die Abhängigkeit zwischen den Clustern modelliert, erforderlich ist.
«
Da die Datenmenge im Laufe der Jahre immer mehr gestiegen ist, hat die statistische Analyse der Daten an Bedeutung gewonnen. Jeder Datensatz benötigt einen speziellen Modellansatz. Außerdem ist die Interpretierbarkeit der Modellergebnisse für den Datenbesitzer entscheidend. Wir entwickeln eine statistische Analyse eines Apothekenproduktverkaufs, der die Aussagekraft von Google Trends, der Temperatur und Feiertagsdaten in Deutschland sowie der harmonische Regressionskomponenten untersucht. Wir st...
»