如何根据先前事件的时间预测下一个事件何时发生？

我是一名高中生，并且正在从事计算机编程项目，但是我在高中统计课程之外的统计和数据建模方面没有很多经验，所以我有点困惑。

基本上，我有一个相当大的列表（假设它足够大，可以满足任何统计测试或度量的假设），而这个时间决定了某人决定打印文档。基于此列表，我想构建某种统计模型，该模型将在给定所有先前事件时间的情况下预测下一次打印作业的最可能时间。

我已经读过这篇文章，但是对于我在项目中的想法，回答并不能完全解决问题。我进行了一些额外的研究，发现“ 隐马尔可夫模型”可能可以使我准确地做到这一点，但是我无法找到有关如何仅使用时间列表来生成“隐马尔可夫模型”的链接。我还发现，在列表上使用卡尔曼过滤器可能有用，但从根本上讲，我想从实际使用过它们的人那里获得一些有关它的更多信息，然后才尝试尝试并希望它能起作用。

谢谢一群！

如果数据是来自一些潜在的未观察到的马尔可夫模型的随机发射，则将应用隐式马尔可夫模型。我不会排除这一点，但它似乎不是一个很自然的模型。

我会考虑点流程，它与您的特定数据非常匹配。在预测地震（尽管我对此了解不多）甚至犯罪方面，还有大量工作要做。

如果有很多不同的人在打印，而您只是看到时间而不是个人身份，则泊松过程可能会很好用（多个独立点过程的叠加近似为泊松），尽管它必须是不均匀的（点的机会随时间而变化）：与凌晨3点相比，人们在凌晨3点进行打印的可能性较小。

对于不均匀的泊松过程模型，关键是要对特定日期和特定日期的打印作业的机率进行良好的估算。

但是，如果这些打印时间是为教室中的学生准备的，那可能会很棘手，因为他们不太可能独立，因此泊松过程将无法很好地进行。

这是有关犯罪申请的论文的链接。

基于预测的可能时间，使用多元贝叶斯扫描统计量（MBSS）可能会有所帮助。此MBSS具有提高事件检测的及时性和准确性的优势。