NPBats, Bayesiaans statistisch instrument voor trenddetectie en tijdreeksmodellering
Average rating
Cast your vote
You can rate an item by clicking the amount of stars they wish to award to this item.
When enough users have cast their vote on this item, the average rating will also be shown.
Star rating
Your vote was cast
Thank you for your feedback
Thank you for your feedback
Type
ReportLanguage
nl
Metadata
Show full item recordTitle
NPBats, Bayesiaans statistisch instrument voor trenddetectie en tijdreeksmodelleringTranslated Title
NPBats, Bayesian statistical tool for trend detection and time series modellingPubliekssamenvatting
Onderzoekers van milieu en volksgezondheid kunnen met het computerprogramma NPBats snel en efficient gegevens in de tijd (tijdreeksen) analyseren. Voorbeelden zijn de jaarlijkse CO2-uitstoot of het aantal mensen met overgewicht in Nederland. Met de analyses kunnen ze a) systematische veranderingen in de tijd (trends) opsporen b) verklarende relaties tussen tijdreeksen leggen c) kennis vergaren over de invloed van overheidsbeleid op mens en milieu. NPBats maakt gebruik van Bayesiaanse statistiek om de samenhang tussen opeenvolgende waarnemingen te beschrijven. Dit gebeurt via zogeheten 'prior' modellen. Deze modellen maken het mogelijk om op basis van respectievelijk een, twee en drie direct voorafgaande waarnemingen de volgende waarneming te voorspellen. Hierdoor is NPBats flexibeler dan de klassieke tijdreeksmodellen en kan het al gebruikt worden bij 8-10 waarnemingen. Ontbrekende waarnemingen worden automatisch geschat. Extra verklarende variabelen kunnen aan het model worden toegevoegd. Dit vergroot de kennis over het proces in het verbetert de voorspellingen. Daarbij geeft NPBats automatisch de betrouwbaarheid van de voorspellingen aan. Hierdoor wordt duidelijk of een trend significant stijgt of daalt. NPBats is ontwikkeld door het RIVM in het statistische softwarepakket S-PLUS, heeft een gemakkelijke bediening en een uitvoerige helpfunctionaliteit. NPBats is binnen het RIVM beschikbaar via de S-PLUS gebruikersgroep en is voor overige belangstellenden op aanvraag te verkrijgen.Researchers in the environment and public health can analyse time series rapidly and efficiently using the computer program, NPBats. The annual CO2 emission or the total number of people confronted with overweight are examples. Using these analyses, researchers can 1) detect systematic changes in time (trends), 2) explain the relations between different time series and 3) obtain knowledge on the influence of governmental policy on humans and the environment. NPBats uses Bayesian statistical concepts to describe the correlation between subsequent observations in time, obtained through the so-called 'prior' models. The simplest prior model is the neighbour model. This model assumes that the difference between two subsequent observations has an expectation zero and a fixed, limited variation. Two other models used by NPBats are the linear and the quadratic models. These models enable NPBats to predict a future observation using 1, 2 or 3 of the preceding observations. Therefore NPBats is more flexible than the usual, classical models for analysing time series. NPBats can already be used for time series with at least 8-10 observations. Missing values can be estimated automatically and changes in the variation of the observations can be taken into account. Co-variables might be included in the model too. These variables augment the knowledge of the underlying process and improve the predictions. NPBats automatically generates confidence intervals for the predictions, thus clarifying the statistical significance of an increasing or decreasing trend. NPBats developed at the RIVM within the statistical package, S-PLUS, is easy to use and contains a comprehensive help function. At the RIVM NPBats is available to the S-PLUS user group and to other interested people on request.
Sponsors
RIVMCollections