Druhy předpovídání

Problematiku předpovídání lze rozdělit dle různých hledisek. Základní hlediska jsou data, která máme k dispozici a to, co chceme předpovídat.

Předpovídání hodnoty nebo trendu

Můžeme chtít předpovídat jednu hodnotu (nebo více hodnot) v budoucnosti - pak se jedná o predikci hodnoty. Nebo lze chtít předpovídat trend veličiny, tj. zda daná veličina bude růst nebo klesat bez ohledu na velikost změn - pak se jedná o predikci trendu. Při predikci trendu jde vlastně o klasifikaci do dvou tříd. Předpovídání blízké hodnoty je obecně snažší než předpovídání trendu. Mimo trendu lze chtít předpovídat i jiné složky vývoje veličiny, např. pohyb klouzavého průměru apod.

Data pro předpovídání

Pro předpovídání můžeme mít časou řadu v ekvidistantních intervalech - pak se lze snažit předpovídat vývoj veličiny pouze v závislosti na čase. V tomto případě záleží na tom, zda je daná řada dostatečně dlouhá, případně dostatečně hustá.

K časové řadě můžeme mít doplňující informace, např. průběh derivace. Pak lze často těchto informací použít pro přesnější predikci. Velmi důležitou informaci mohou přinést tzv. intervenční proměnné, což jsou informace o časové řadě, případně informace o období, do kterého predikujeme. Například při predikci spotřeby energie může velmi pomoci doplňující údaj, zda predikujeme na pondělí nebo na sobotu - což explicitně ze samotné časové řady nevyplývá. Ukazuje se jako výhodné použít takovéto intervenční údaje při vytváření modelu pro předpovídání.

Dále můžeme mít informace o souvisejících veličinách (nejlépe také v časové řadě). Pak lze z vývoje svázaných veličin usuzovat na vývoj jiné veličiny. Vazba může být dána různě, např. pomocí pevného (nebo pomalu se měnícího) součtu, nebo nemusí být vůbec přesně známa, např. vývoj akcií podniků ve stejném oboru. Takovéto údaje jsou často vybírány v naději, že budou s predikovanou veličinou souviset, ale to nemusí být vždy zaručeno. Výběrem vhodných informací a jejich případnou interpretací se zabývá obor zvaný data mining ("dolování dat").