Je veux juste vérifier que j'interprète correctement les tracés ACF et PACF: Les données correspondent aux erreurs générées entre les points de données réels et les estimations générées à l'aide d'un modèle AR (1). J'ai regardé la réponse ici: Estimer les coefficients ARMA par inspection ACF et...
La page Wikipedia indique que Box-Jenkins est une méthode d'ajustement d'un modèle ARIMA à une série chronologique. Maintenant, si je veux adapter un modèle ARIMA à une série chronologique, je vais ouvrir SAS, appeler proc ARIMA, fournir les paramètres et SAS me donnera les coefficients AR et MA....
J'ai un peu entendu parler de l'utilisation des réseaux de neurones pour prévoir les séries chronologiques. Comment puis-je comparer la meilleure méthode de prévision de mes séries chronologiques (données quotidiennes sur la vente au détail): auto.arima (x), ets (x) ou nnetar (x). Je peux comparer...
Je travaille depuis des mois sur les prévisions de charge à court terme et l'utilisation des données climatiques / météorologiques pour améliorer la précision. J'ai une formation en informatique et pour cette raison j'essaie de ne pas faire de grosses erreurs et des comparaisons injustes en...
Cela doit venir --- la prévision des choses coincées entre 0 et 1. Dans ma série, je soupçonne un composant d'auto-régression, et aussi un composant de retour à la moyenne, donc je veux quelque chose que je peux interpréter comme un ARIMA --- mais je ne veux pas qu'il tire à 1000% à l'avenir ....
Quand j'ai commencé à lire sur le filtre de Kalman, je pensais que c'était un cas particulier du modèle ARIMA (à savoir ARIMA (0,1,1)). Mais en réalité, il semble que la situation soit plus compliquée. Tout d'abord, ARIMA peut être utilisé pour la prédiction et le filtre de Kalman est pour le...
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou...
J'ai vérifié la réponse à cette question sur stats.stackexchange: Quelles sont les bonnes ressources fournissant un historique des statistiques? En effet, le livre de Stigler "Statistics on the Table" est excellent et j'ai hâte de le lire. Mais je suis plus intéressé par le développement de modèles...
J'essaie d'adapter un modèle à temps discret dans R, mais je ne sais pas comment le faire. J'ai lu que vous pouvez organiser la variable dépendante dans différentes lignes, une pour chaque observation de temps, et utiliser la glmfonction avec un lien logit ou cloglog. En ce sens, j'ai trois...
Je travaille sur un ensemble de données. Après avoir utilisé certaines techniques d'identification de modèle, je suis sorti avec un modèle ARIMA (0,2,1). J'ai utilisé la detectIOfonction dans le package TSAen R pour détecter une valeur aberrante innovante (IO) à la 48e observation de mon ensemble...
Je suis relativement nouveau dans les statistiques et R. J'aimerais connaître le processus pour déterminer les paramètres ARIMA pour mon jeu de données. Pouvez-vous m'aider à comprendre la même chose en utilisant R et théoriquement (si possible)? La plage de données s'étend du 12 janvier au 14 mars...
alors que j'entre dans la prévision avec des modèles ARIMA, j'essaie de comprendre comment je peux améliorer une prévision basée sur ARIMA en fonction de la saisonnalité et de la dérive. Mes données sont les séries chronologiques suivantes (sur 3 ans, avec une tendance claire à la hausse et une...
Je suis occupé par la modélisation ARIMA augmentée de variables exogènes à des fins de modélisation promotionnelle et j'ai du mal à l'expliquer aux utilisateurs professionnels. Dans certains cas, les progiciels se retrouvent avec une simple fonction de transfert, c'est-à-dire le paramètre *...
Puisque nous ne pouvons pas ajuster le modèle ARIMA lorsque l'hypothèse de variance constante est violée, quel modèle peut être utilisé pour ajuster les séries temporelles
J'ai ajusté le modèle ARIMA (5,1,2) en utilisant la auto.arima()fonction dans R et en regardant l'ordre, nous pouvons dire que ce n'est pas le meilleur modèle à prévoir. Si des valeurs aberrantes existent dans la série de données, quelle est la méthode pour adapter un modèle à ces...
Les greffes suivantes sont extraites de cet article . Je suis novice dans le bootstrap et j'essaie d'implémenter le bootstrap paramétrique, semi-paramétrique et non paramétrique pour le modèle mixte linéaire avec le R bootpackage. Code R Voici mon Rcode: library(SASmixed) library(lme4)...
J'essaie de modéliser et de prévoir une série chronologique qui est cyclique plutôt que saisonnière (c'est-à-dire qu'il y a des schémas saisonniers, mais pas avec une période fixe). Cela devrait être possible en utilisant un modèle ARIMA, comme mentionné dans la section 8.5 de la prévision:...
Afin d'expliquer pourquoi j'ai ces questions stupides que vous trouverez ci-dessous, je dois dire que je suis plus une personne qui apprend par machine. Pendant que je travaillais sur des problèmes de bioinformatique, tout allait bien. Quand j'ai entendu des mots comme "régression" ou "kurtosis and...
J'ai des données mensuelles de 1993 à 2015 et j'aimerais faire des prévisions sur ces données. J'ai utilisé le package tsoutliers pour détecter les valeurs aberrantes, mais je ne sais pas comment continuer à prévoir avec mon ensemble de données. Voici mon code:
Mes données sont une série chronologique de la population occupée, L, et la période de temps, l'année. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e....