Als «autoregressive» getaggte Fragen

Das autoregressive (AR) Modell ist eine stochastische Prozessmodellierungszeitreihe, die den Wert der Reihe linear in Bezug auf die vorherigen Werte angibt.

1
Wie kann man SARIMAX intuitiv verstehen?
Ich versuche, ein Papier über die Vorhersage der elektrischen Last zu verstehen, aber ich kämpfe mit den darin enthaltenen Konzepten, insbesondere dem SARIMAX- Modell. Dieses Modell dient der Vorhersage der Auslastung und verwendet viele statistische Konzepte, die ich nicht verstehe (ich bin Student der Informatik - Sie können mich als …
2
Wenn ein auto-regressives Zeitreihenmodell nicht linear ist, muss es dennoch stationär sein?
Denken Sie darüber nach, wiederkehrende neuronale Netze für die Vorhersage von Zeitreihen zu verwenden. Im Gegensatz zu ARMA- und ARIMA-Modellen, die lineare Auto-Regression verwenden, implementieren sie im Grunde genommen eine Art generalisierte nichtlineare Auto-Regression. Wenn wir eine nichtlineare Auto-Regression durchführen, muss die Zeitreihe dennoch stationär sein, und müssen wir eine …
2
AR (1) -Prozess mit heteroskedastischen Messfehlern
1. Das Problem Ich habe einige Messungen einer Variablen ytyty_t , wobei t=1,2,..,nt=1,2,..,nt=1,2,..,n , für die ich eine Verteilung fyt(yt)fyt(yt)f_{y_t}(y_t) die über MCMC erhalten wurde. Der Einfachheit halber nehme ich an, dass es sich um einen Gaußschen Mittelwert von μtμt\mu_t und Varianz σ2tσt2\sigma_t^2 . Ich habe ein physikalisches Modell für …
3
Was ist der Unterschied zwischen deterministischem und stochastischem Modell?
Einfaches lineares Modell: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(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 wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=tσ2Var(x)=tσ2Var(x)=t\sigma^2 Ein einfaches lineares Modell wird also als deterministisches Modell angesehen, während ein AR (1) -Modell als stokahstisches Modell angesehen wird. …
3
Warum ist der OLS-Schätzer des AR (1) -Koeffizienten voreingenommen?
Ich versuche zu verstehen, warum OLS einen voreingenommenen Schätzer für einen AR (1) -Prozess liefert. Betrachten Sie In diesem Modell wird die strikte Exogenität verletzt, dh und sind korreliert, aber und \ epsilon_t sind nicht korreliert . Aber wenn dies zutrifft, warum gilt dann die folgende einfache Ableitung nicht? ytϵtyt-1ϵtytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). …
2
Unvoreingenommener Schätzer für das AR ( ) -Modell
Betrachten Sie ein AR ( ) -Modell (der Einfachheit halber wird ein Mittelwert von Null angenommen):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 Es ist bekannt, dass der OLS-Schätzer (äquivalent zum Schätzer für bedingte maximale Wahrscheinlichkeit) für voreingenommen ist, wie in einem aktuellen Thread erwähnt …
1
Zufällige Waldregression zur Vorhersage von Zeitreihen
Ich versuche, mithilfe der RF-Regression Vorhersagen über die Leistung einer Papierfabrik zu treffen. Ich habe minutenweise Daten für die Eingaben (Rate und Menge des eingedrungenen Holzzellstoffs usw.) sowie für die Leistung der Maschine (produziertes Papier, von der Maschine aufgenommene Leistung) und möchte Vorhersagen für 10 Minuten treffen voraus auf die …
1
R und EViews Unterschiede in AR (1) Schätzungen
Das Hauptproblem ist: Ich kann nicht ähnliche Parameterschätzungen mit EViews und R. erhalten Aus Gründen, die ich selbst nicht kenne, muss ich Parameter für bestimmte Daten mithilfe von EViews schätzen. Dies erfolgt durch Auswahl der Option NLS (nichtlineare kleinste Quadrate) und Verwendung der folgenden Formel:indep_var c dep_var ar(1) EViews behauptet, …
4
Zeitdiskretes Ereignisverlaufsmodell (Überlebensmodell) in R.
Ich versuche, ein zeitdiskretes Modell in R einzubauen, bin mir aber nicht sicher, wie ich das machen soll. Ich habe gelesen, dass Sie die abhängige Variable in verschiedenen Zeilen organisieren können, eine für jede glmZeitbeobachtung , und die Funktion mit einem Logit- oder Cloglog-Link verwenden können. In diesem Sinne, ich …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
R lineare Regression kategoriale Variable "versteckter" Wert
Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.