Le modèle autorégressif (AR) est une série chronologique de modélisation de processus stochastique, qui spécifie la valeur de la série de manière linéaire en fonction des valeurs précédentes.
J'essaie de comprendre un article sur la prévision de la charge électrique, mais je me bats avec les concepts à l'intérieur, en particulier le modèle SARIMAX . Ce modèle est utilisé pour prédire la charge et utilise de nombreux concepts statistiques que je ne comprends pas (je suis un étudiant en...
Je comprends que si un processus dépend de valeurs antérieures de lui-même, alors c'est un processus AR. Si cela dépend d'erreurs précédentes, c'est un processus MA. Quand se produirait l'une de ces deux situations? Quelqu'un a-t-il un exemple solide qui éclaire le problème sous-jacent concernant...
Penser à utiliser des réseaux de neurones récurrents pour la prévision de séries chronologiques. Ils implémentent essentiellement une sorte d'auto-régression non linéaire généralisée, par rapport aux modèles ARMA et ARIMA qui utilisent l'auto-régression linéaire. Si nous effectuons une...
J'ai du mal à comprendre pourquoi nous nous soucions si un processus de MA est inversible ou non. Veuillez me corriger si je me trompe, mais je peux comprendre pourquoi nous nous soucions de savoir si un processus AR est causal, c'est-à-dire si nous pouvons le "réécrire", pour ainsi dire, comme la...
1. Le problème J'ai des mesures d'une variable ytyty_t , où t=1,2,..,nt=1,2,..,nt=1,2,..,n , pour lequel j'ai une distribution obtenue via MCMC, qui pour simplifier je suppose que c'est un gaussien de moyenne et de variance .fyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 J'ai un modèle...
Cela fait plus de 2 ans que je travaille sur différentes séries chronologiques. J'ai lu sur de nombreux articles qu'ACF est utilisé pour identifier l'ordre des termes MA et PACF pour AR. Il y a une règle générale selon laquelle pour MA, le décalage où ACF s'arrête soudainement est l'ordre de MA et...
Modèle linéaire simple: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t où ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) avec etV a r ( x ) = σ 2E(x)=αtE(x)=αtE(x) = \alpha tVar(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_t où ~ iid N ( 0 , σ 2...
Considérons un modèle AR ( ) (en supposant une moyenne nulle pour la simplicité):ppp Xt= φ1Xt - 1+ … + ΦpXt - p+ εtXt=φ1Xt-1+…+φpXt-p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t L'estimateur OLS (équivalent à l' estimateur du maximum de vraisemblance conditionnel ) pour...
J'essaie de comprendre pourquoi OLS donne un estimateur biaisé d'un processus AR (1). Considérez Dans ce modèle, l'exogénéité stricte est violée, c'est-à-dire que et sont corrélés mais et sont pas corrélés. Mais si cela est vrai, pourquoi la dérivation simple suivante ne tient-elle pas?...
Ceci est juste un exemple que j'ai rencontré plusieurs fois, donc je n'ai pas d'échantillons de données. Exécution d'un modèle de régression linéaire dans R: a.lm = lm(Y ~ x1 + x2) x1est une variable continue. x2est catégorique et a trois valeurs, par exemple "Low", "Medium" et "High". Cependant,...
J'essaie d'utiliser la régression RF pour faire des prédictions sur les performances d'une papeterie. J'ai des données minute par minute pour les intrants (taux et quantité de pâte de bois entrant dans etc ...) ainsi que pour les performances de la machine (papier produit, puissance tirée par la...
Quelle est l'approche habituelle de modélisation des séries chronologiques binaires? Y a-t-il un papier ou un manuel où cela est traité? Je pense à un processus binaire avec une forte auto-corrélation. Quelque chose comme le signe d'un processus AR (1) commençant à zéro. Dites et avec un bruit...
Lorsque j'estime une marche aléatoire avec un AR (1), le coefficient est très proche de 1 mais toujours inférieur. Quelle est la raison mathématique pour laquelle le coefficient n'est pas supérieur à
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...
Le problème principal est: je ne peux pas obtenir d'estimations de paramètres similaires avec EViews et R. Pour des raisons que je ne me connais pas, j'ai besoin d'estimer les paramètres de certaines données à l'aide d'EViews. Pour ce faire, sélectionnez l'option NLS (moindres carrés non linéaires)...
Quelles sont les différences entre VAR (vector auto regression) et
Je veux générer une série chronologique synthétique. La série chronologique doit être une chaîne de Markov avec une distribution marginale gamma et un paramètre AR (1) de . Puis-je le faire en utilisant simplement une distribution gamma comme terme de bruit dans un modèle AR (1), ou dois-je...
Souvent, dans la littérature, les auteurs se sont intéressés à trouver la distribution stationnaire d'un processus de séries chronologiques. Par exemple, considérons le processus AR ( ) simple suivant : X_t = \ alpha X_ {t-1} + e_t, où e_t \ stackrel {iid} {\ thicksim} f .111{Xt}{Xt}\{X_t\}Xt= αXt...