前のイベントの時間に基づいて、次のイベントがいつ発生するかを予測する方法は？

私は高校生で、コンピュータープログラミングプロジェクトに取り組んでいますが、高校の統計コース以外の統計やモデリングデータの経験はあまりないので、ちょっと混乱しています。

基本的に、私は誰かがドキュメントを印刷することを決めた時間のかなり大きなリストを持っています（統計的なテストや測定の仮定を満たすのに十分大きいと仮定します）。このリストに基づいて、以前のすべてのイベント時間を考慮して、次の印刷ジョブの最も可能性の高い時間を予測するある種の統計モデルを構築したいと思います。

私はすでにこれを読んでいますが、回答は私のプロジェクトで私が念頭に置いていることを正確に助けません。いくつかの追加調査を行った結果、隠れマルコフモデルを使用すると正確に行うことができる可能性が高いことがわかりましたが、時間のリストだけを使用して隠れマルコフモデルを生成する方法に関するリンクは見つかりません。また、リストでカルマンフィルターを使用すると便利な場合があることもわかりましたが、基本的には、実際にそれらを使用し、制限や要件を知っている人から、何かを試して動作することを期待する前に、それに関する詳細情報を取得したいと思います。

本当にありがとう！

隠れたマルコフモデルは、データが基礎となる未観測のマルコフモデルからのランダムな放出である場合に適用されます。私はそれを除外しませんが、それは非常に自然なモデルではないようです。

特定のデータとよく一致するポイントプロセスについて考えます。地震（私はそれについて多くを知りませんが）と犯罪さえ予測する上で多くの仕事があります。

多くの異なる人々が印刷しており、個々のアイデンティティではなく時間だけを見ている場合、ポアソンプロセスはうまくいくかもしれません（複数の独立したポイントプロセスの重ね合わせはほぼポアソンです）が、それは不均一でなければなりません（ポイントの可能性は時間とともに変化します）：人は午後3時よりも午前3時に印刷する可能性が低くなります。

以下のための不均一なポアソン過程モデル、キーは特定の日に特定の時点での印刷ジョブのチャンスの良好な推定値を得ることになります。

ただし、これらの印刷時間が教室の生徒向けである場合、独立している可能性は低いため、ポアソンプロセスはうまく機能しないため、非常に注意が必要です。

これが犯罪申請に関する論文へのリンクです。

多変量ベイジアンスキャン統計（MBSS）を使用した可能性のある時間の予測に基づいて、支援することができます。このMBSSには、イベント検出の適時性と精度を向上させるという利点があります。