Je travaille sur la prédiction de séries chronologiques. J'ai deux ensembles de données et . J'ai trois modèles de prédiction: . Tous ces modèles sont entraînés à l'aide d'échantillons dans l'ensemble de données , et leurs performances sont mesurées à l'aide des échantillons dans l'ensemble de...
Je mélange peut-être mes concepts de séries chronologiques et non chronologiques, mais quelle est la différence entre un modèle de régression qui présente une corrélation en série et un modèle qui présente une racine unitaire? De plus, pourquoi pouvez-vous utiliser un test Durbin-Watson pour tester...
En se basant uniquement sur le modèle temporel des clics de souris (une liste des temps de clics ), est-il possible de prédire l'activité de l'utilisateur de l'ordinateur?[t1,t2,t3,…][t1,t2,t3,…][t_1,t_2,t_3,\ldots] Par exemple sur: travailler vs passer du temps sur Facebook vs regarder des photos...
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 ....
J'essaie d'analyser le décalage entre les séries chronologiques de deux cours boursiers. Dans l'analyse de séries chronologiques régulières, nous pouvons faire Cross Correlaton, VECM (Granger Causality). Cependant, comment peut-on gérer la même chose dans des séries temporelles irrégulièrement...
Dans l'exemple suivant, j'ai une trame de données qui se compose d'une série chronologique de mesures de la température de l'eau enregistrées à 5 profondeurs dans l'océan où chaque valeur en Tempcorrespond à la date DateTimeet à la profondeur Depth. set.seed(1) Temp <- rnorm(43800,sd=20) AirT...
Les modèles de pièces biaisées ont généralement un paramètre . Une façon d'estimer la partir d'une série de tirages est d'utiliser une distribution bêta a priori et de calculer la distribution postérieure avec vraisemblance binomiale.θθ=P(Head|θ)θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta...
Je lis un article qui prétend que X^k= 1N--√∑j = 0N- 1Xje- i 2 πk j / N,X^k=1N∑j=0N−1Xje−i2πkj/N,\hat{X}_k=\frac{1}{\sqrt{N}}\sum_{j=0}^{N-1}X_je^{-i2\pi kj/N}, (c'est-à-dire la transformée de Fourier discrète , DFT) par le CLT tend vers une variable aléatoire gaussienne (complexe). Cependant, je...
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 traite souvent une quantité raisonnable de données de séries chronologiques, 50 à 200 millions de doublons avec des horodatages associés et je voudrais les visualiser dynamiquement. Existe-t-il un logiciel pour le faire efficacement? Qu'en est-il des bibliothèques et des formats de données?...
J'ai un peu de mal à comprendre les lignes pointillées bleues dans l'image suivante de la fonction d'autocorrélation: Quelqu'un pourrait-il me donner une explication simple, ce qu'ils 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,...
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...
Je lis un livre d'analyse de séries chronologiques et la formule de l'échantillon d'autocovariance est définie dans le livre comme: γˆ(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)γ^(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)\widehat{\gamma}(h) = n^{-1}\displaystyle\sum_{t=1}^{n-h}(x_{t+h}-\bar{x})(x_t-\bar{x}) avecpour . est...
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 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....
Tout d'abord: D'après ce que j'ai compris, les résidus d'amorçage fonctionnent comme suit: Adapter le modèle aux données Calculez les résidus Rééchantillonnez les résidus et ajoutez-les à 1. Ajuster le modèle au nouvel ensemble de données à partir de 3. Répétez les ntemps, mais ajoutez toujours les...
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...
Voici la description de mon étude. J'expérimente avec trois plantes: A, B et C. Ces plantes sont censées réduire la glycémie des patients diabétiques. Je veux déterminer laquelle de ces trois plantes a un effet plus long sur la réduction de la glycémie après une seule administration à des souris....