Вопросы с тегом «seasonality»

Сезонность относится к повторяющимся колебаниям вокруг среднего значения временного ряда за определенный период времени, обычно календарный год.

6
Какой метод можно использовать для определения сезонности в данных?
Я хочу определить сезонность в данных, которые я получаю. Есть некоторые методы, которые я нашел, такие как сезонный подсерийный график и график автокорреляции, но дело в том, что я не понимаю, как читать график, кто-нибудь может помочь? Другое дело, есть ли другие методы для определения сезонности с или без окончательного …

3
Ежедневный анализ временных рядов
Я пытаюсь провести анализ временных рядов, и я новичок в этой области. У меня есть ежедневный подсчет событий с 2006 по 2009 год, и я хочу приспособить модель временного ряда к нему. Вот прогресс, который я сделал: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) В результате получается сюжет: Чтобы проверить, есть ли сезонность …

4
Является ли этот метод подходящим для проверки сезонных эффектов в данных о количестве самоубийств?
У меня есть 17 лет (с 1995 по 2011) данных свидетельств о смерти, связанных со смертями от самоубийств для штата в США. Существует много мифологий о самоубийствах и месяцах / сезонах, большая часть которых противоречива, и литературы, которую я ' После проверки я не получил четкого представления о применяемых методах …

3
Авто.арима с ежедневными данными: как уловить сезонность / периодичность?
Я устанавливаю модель ARIMA на ежедневные временные ряды. Данные собираются ежедневно с 02-01-2010 по 30-07-2011 и касаются продаж газет. Поскольку можно найти недельный график продаж (среднесуточное количество проданных копий обычно одинаково с понедельника по пятницу, а затем увеличивается в субботу и воскресенье), я пытаюсь уловить эту «сезонность». Учитывая данные о …

2
Выбор метода сезонного разложения
Сезонная корректировка является решающим этапом предварительной обработки данных для дальнейших исследований. Исследователь, однако, имеет несколько вариантов сезонного разложения по трендовому циклу. Наиболее распространенными (судя по количеству ссылок в эмпирической литературе) конкурентными методами сезонного разложения являются X-11 (12) -ARIMA, Tramo / Seats (оба реализованы в Demetra + ) и 's stlRRR …

1
Проблема определения порядка ARIMA
Это длинный пост, поэтому я надеюсь, что вы можете терпеть меня, и, пожалуйста, поправьте меня, где я неправ. Моя цель - составить ежедневный прогноз на основе исторических данных за 3 или 4 недели. Данные представляют собой 15-минутные данные локальной нагрузки одной из трансформаторных линий. У меня проблемы с поиском модельного …

1
Критерии для установки ширины STL s.window
Используется Rдля выполнения разложения STL, s.windowуправляет тем, насколько быстро может изменяться сезонный компонент. Малые значения позволяют более быстрые изменения. Установка сезонного окна равной бесконечности равносильна тому, что сезонный компонент должен быть периодическим (т. Е. Идентичным по годам). Мои вопросы: 121212s.window Есть ли связь между этим и частотой временного ряда?

1
Многомерные биологические временные ряды: VAR и сезонность
У меня есть многомерный набор данных временных рядов, включающий взаимодействующие биологические и экологические переменные (плюс, возможно, некоторые экзогенные переменные). Помимо сезонности, в данных нет четкой долгосрочной тенденции. Моя цель - увидеть, какие переменные связаны друг с другом. Прогнозирование на самом деле не искали. Будучи новичком в анализе временных рядов, я …

1
Карет глмнет против cv.glmnet
Кажется, существует большая путаница при сравнении использования glmnetвнутри caretдля поиска оптимальной лямбды и использования cv.glmnetдля выполнения той же задачи. Было задано много вопросов, например: Модель классификации train.glmnet против cv.glmnet? Как правильно использовать glmnet с кареткой? Перекрестная проверка `glmnet` с использованием` caret` но ответа не дано, что может быть связано с …

5
Как выполнить вменение значений в очень большом количестве точек данных?
У меня очень большой набор данных и около 5% случайных значений отсутствуют. Эти переменные связаны друг с другом. В следующем примере набор данных R - просто игрушечный пример с фиктивными коррелированными данными. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

2
Прогнозирование часовых временных рядов с ежедневной, еженедельной и годовой периодичностью
Основная редакция: Я хотел бы сказать большое спасибо Дэйву и Нику за их ответы. Хорошая новость заключается в том, что у меня получился цикл (принцип заимствован из поста профессора Гиднмана о пакетном прогнозировании). Чтобы объединить невыполненные запросы: а) Как мне увеличить максимальное число итераций для auto.arima - кажется, что при …

2
Почему функция STL дает значительные сезонные колебания со случайными данными
Я составил следующий код с функцией stl (Сезонная декомпозиция временных рядов по Лесс): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Это показывает значительное сезонное изменение со случайными данными, помещенными в коде выше (функция rnorm). Изменения в значимости видны каждый раз, когда это выполняется, хотя картина иная. Два таких шаблона показаны ниже: Как мы можем …

2
Почему мы должны удалить сезонность из временного ряда?
Работая с временными рядами, мы иногда выявляем и удаляем сезонность, используя спектральный анализ. Я - настоящий новичок во временных рядах, и меня смущает, почему нужно убрать сезонность из исходного временного ряда? Разве удаление сезонности не искажает исходные данные? Какие преимущества мы получаем, строя временные ряды, удаляя сезонность?

2
Расчет показателей сезонности для сложной сезонности
Я хочу прогнозировать розничные позиции (по неделям), используя экспоненциальное сглаживание. Я сейчас застрял в том, как рассчитывать, хранить и применять индексы сезонности. Проблема в том, что все примеры, которые я нашел, имеют дело с некой простой сезонностью. В моем случае у меня есть следующие проблемы: 1. Сезоны не происходят на …

2
Как смоделировать ежемесячные эффекты в ежедневных данных временных рядов?
У меня есть два временных ряда ежедневных данных. Одна есть, sign-upsа другая terminationsиз подписок. Я хотел бы предсказать последнее, используя информацию, содержащуюся в обеих переменных. Глядя на график этих рядов, становится очевидным, что окончания связаны с кратными числами регистраций за предыдущие месяцы. То есть скачок числа подписок 10 мая приведет …

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.