Je programme et fais du développement piloté par les tests. Après avoir modifié mon code, je lance mes tests. Parfois, ils réussissent et parfois ils échouent. Avant d'exécuter un test, j'écris un nombre de 0,01 à 0,99 pour ma certitude que le test réussira. Je veux savoir si je m'améliore en...
J'ai une expérience antérieure avec la validation croisée `` normale '' pour le réglage de modèle et je suis légèrement confus par l'application dans les modèles de séries chronologiques. Je crois comprendre que pour les modèles de séries chronologiques, le corollaire de la validation croisée est...
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...
Actuellement, je travaille sur un projet de prévision d'une série chronologique (données mensuelles). J'utilise R pour faire les prévisions. J'ai 1 variable dépendante (y) et 3 variables indépendantes (x1, x2, x3). La variable y a 73 observations, tout comme les 3 autres variables (alos 73). De...
J'ai un ensemble de données où l'intuition empirique dit que je devrais m'attendre à une saisonnalité hebdomadaire (c'est-à-dire que le comportement le samedi et le dimanche est différent du reste de la semaine). Si cette prémisse est vraie, un graphique d'autocorrélation ne devrait-il pas me...
Je voudrais décomposer les données de séries chronologiques suivantes en composantes saisonnières, tendancielles et résiduelles. Les données sont un profil énergétique de refroidissement horaire d'un bâtiment commercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose,...
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 fais des recherches sur la prévision de séries chronologiques de fonctions de densité de probabilité. Nous visons à prévoir un PDF à partir d'un PDF historiquement observé (généralement estimé). La méthode de prévision que nous développons fonctionne assez bien dans les études de simulation....
J'essaie de trouver un moyen de corriger les valeurs aberrantes une fois que je les ai trouvées / détectées dans les données de séries chronologiques. Certaines méthodes, comme nnetar dans R, donnent des erreurs pour les séries temporelles avec des valeurs aberrantes grandes / grandes. J'ai déjà...
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...
L'un des problèmes importants auxquels sont confrontés les prévisionnistes est de savoir si la série donnée peut être prévue ou non? Je suis tombé sur un article intitulé " L'entropie comme indicateur a priori de la prévisibilité " de Peter Catt qui utilise l' entropie approximative (ApEn) comme...
Quelles sont les différences dans l'utilisation de modèles linéaires généralisés, tels que la détermination automatique de pertinence (ARD) et la régression de crête, par rapport aux modèles de séries chronologiques comme Box-Jenkins (ARIMA) ou le lissage exponentiel pour les prévisions?...
Je suis analyste dans les domaines de la finance et des assurances et chaque fois que j'essaie d'adapter des modèles de volatilité, j'obtiens des résultats horribles: les résidus sont souvent non stationnaires (au sens racine de l'unité) et hétéroscédastiques (donc le modèle n'explique pas la...
Quels sont les avantages d'exprimer un modèle ARMA en tant que modèle d'espace d'état et de faire des prévisions à l'aide d'un filtre de Kalman? Cette méthodologie est par exemple utilisée dans l'implémentation SARIMAX de modèles de statistiques python:
J'essaie de construire un modèle de prévision de régression de séries chronologiques pour une variable de résultat, en dollars, en termes d'autres prédicteurs / variables d'entrée et d'erreurs autocorrélées. Ce type de modèle est également appelé modèle de régression dynamique. J'ai besoin...
introduction A jeCjAICjAIC_jjjjA jeCjAICjAIC_j R P j = e ( A I C ∗ - A I C j ) / 2 jA jeC∗= minjA jeCjAIC∗=minjAICjAIC^* = \min_j{AIC_j}R Pj= e( A IC∗- A ICj) / 2RPj=e(AIC∗−AICj)/2RP_j = e^{(AIC^*-AIC_j)/2}jjj wj= R Pj∑jR Pjwj=RPj∑jRPjw_j = \frac{RP_j}{\sum_j RP_j} Problème Une difficulté que...
En tant que passe-temps secondaire, j'ai exploré les séries chronologiques de prévision (en particulier, en utilisant R). Pour mes données, j'ai le nombre de visites par jour, pour chaque jour remontant à près de 4 ans. Dans ces données, il existe des modèles distincts: Du lundi au vendredi, il y a...
Le problème auquel je fais face est la prévision des valeurs de séries chronologiques. Je regarde une série chronologique à la fois et sur la base par exemple de 15% des données d'entrée, je voudrais prédire ses valeurs futures. Jusqu'à présent, je suis tombé sur deux modèles: LSTM (mémoire à court...
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 travaille sur le développement d'un modèle pour prédire les ventes totales d'un produit. J'ai environ un an et demi de données sur les réservations, donc je pourrais faire une analyse de série chronologique standard. Cependant, j'ai également beaucoup de données sur chaque «opportunité» (vente...