Вопросы с тегом «time-series»

Я новичок в R, не могли бы вы объяснить, как использовать SES в пакете прогноза R прогноз ? Я бы хотел выбрать количество начальных периодов и постоянную сглаживания. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) У меня есть 70 периодов, я хотел бы использовать 40 периодов для начального и 30 для вне выборки. ses(d, …

9 r  time-series  forecasting 

Предположим, у меня есть одна выборка частот из 4 возможных событий: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 и у меня есть ожидаемые вероятности того, что мои события произойдут: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 С суммой наблюдаемых частот …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Поскольку мы не можем соответствовать модели ARIMA, когда допущение о постоянной дисперсии нарушается, какую модель можно использовать для соответствия одномерным временным рядам?

9 time-series  modeling  forecasting  arima 

Я установил модель ARIMA (5,1,2), используя auto.arima()функцию в R, и, посмотрев порядок, мы можем сказать, что это не лучшая модель для прогнозирования. Если в рядах данных существуют выбросы, каков метод для подгонки модели к таким данным?

9 r  time-series  forecasting  outliers  arima 

Следующие прививки взяты из этой статьи . Я новичок в начальной загрузке и пытаюсь реализовать параметрическую, полупараметрическую и непараметрическую загрузку начальной загрузки для линейной смешанной модели с R bootпакетом. Код R Вот мой Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Я подгонял некоторые данные временных рядов, используя общую аддитивную модель Пуассона, используя SAS PROC GAM. Вообще говоря, у меня есть встроенная обобщенная процедура перекрестной проверки, которая генерирует, по крайней мере, достойную «начальную точку» для моего единственного сплайна, который является нелинейной функцией времени вместе с одним параметрическим членом (который я меня …

9 time-series  sas  splines  gam 

У меня достаточно сложный набор данных для анализа, и я не могу найти для него хорошего решения. Вот эта вещь: 1. сырые данные по существу записи песен насекомых. Каждая песня состоит из нескольких очередей, а каждая - из подразделений. Все лица были зарегистрированы в течение 5 минут. Количество пакетов и …

9 time-series  mixed-model  repeated-measures  random-effects-model 

В качестве дополнительного хобби я изучал прогнозирование временных рядов (в частности, с использованием R). По моим данным, у меня есть количество посещений в день, за каждый день, уходящий почти на 4 года. В этих данных есть несколько четких закономерностей: Понедельник-пятница имеет много посещений (самый высокий в понедельник / вторник), но …

9 r  time-series  seasonality  forecasting 

У меня есть временной ряд измерений (высота-одномерный ряд). В период наблюдения процесс измерения замедлился на несколько моментов времени. Таким образом, полученные данные представляют собой вектор с NaN, где в данных были пробелы. Используя MATLAB, это вызывает у меня проблему при вычислении автокорреляции ( autocorr) и применении нейронных сетей ( nnstart). …

9 time-series  dataset  matlab  autocorrelation  missing-data 

Введение А яСJAяСJAIC_jJJjА яСJAяСJAIC_jА яС*= минJА яСJAяС*знак равноминJAяСJAIC^* = \min_j{AIC_j}R PJ= е( А яС*- А яСJ) / 2рпJзнак равное(AяС*-AяСJ)/2RP_j = e^{(AIC^*-AIC_j)/2}JJj весJ= R PJΣJR PJвесJзнак равнорпJΣJрпJw_j = \frac{RP_j}{\sum_j RP_j} проблема Трудность, которую я пытаюсь преодолеть, состоит в том, что модели оцениваются по различным образом трансформированным ответным (эндогенным) переменным. Например, некоторые …

9 time-series  forecasting  data-transformation  econometrics 

Обе переменные (зависимая и независимая) показывают автокорреляционные эффекты. Данные временные и стационарные Когда я запускаю регрессионные остатки, похоже, не связаны. Моя статистика Дурбина-Ватсона больше верхнего критического значения, поэтому есть свидетельства того, что условия ошибок не имеют положительной корреляции. Также, когда я строю ACF для ошибок, похоже, что там нет никакой …

9 regression  time-series  autocorrelation 

Я пытаюсь повторить расчет, который SAS и SPSS делают для функции частичной автокорреляции (PACF). В SAS производится через Proc Arima. Значения PACF - это коэффициенты авторегрессии интересующего ряда по запаздывающим значениям ряда. Моя переменная интереса - продажи, поэтому я вычисляю lag1, lag2 ... lag12 и запускаю следующую регрессию OLS: Yt=a0+a1Yt−1+a2Yt−2+a3Yt−3+…+a12Yt−12.Yt=a0+a1Yt−1+a2Yt−2+a3Yt−3+…+a12Yt−12.Y_t=a_0+a_1Y_{t-1}+a_2Y_{t-2}+a_3Y_{t-3}+\ldots+a_{12}Y_{t-12}. …

9 time-series  autocorrelation  partial 

У меня есть шумные временные ряды, которые мне нужно разделить на те части с нулевым средним и те части без нулевого среднего. Очень важно найти границы с максимально возможной точностью (ясно, где граница лежит немного субъективно). Я думаю, что вариант cusum мог бы быть адаптирован для этого, но, поскольку cusum, …

9 time-series  classification  mean  change-point 

Каковы различия между VAR (векторная авторегрессия) и MANOVA?

9 time-series  manova  autoregressive 

Я изучаю книгу «Вводные временные ряды с R» Каупертвейта и Меткалфа. На странице 36 написано, что строки: . Я прочитал здесь R форум, что строки в . - 1 / n ± 2 / n--√-1/N±2/N-1/n \pm 2/\sqrt{n}± 1,96 / н--√±1,96/N\pm 1.96/\sqrt{n} Я запустил следующий код: b = c(3,1,4,1) acf(b) и …

9 r  time-series