Als «moving-average» getaggte Fragen

In der Zeitreihenanalyse ist das Modell des gleitenden Durchschnitts (MA) ein gängiger Ansatz zur Modellierung univariater Zeitreihen. Das gleitende Durchschnittsmodell gibt an, dass die Ausgangsvariable linear von den aktuellen und verschiedenen vergangenen Werten eines stochastischen (nicht perfekt vorhersagbaren) Terms abhängt.

2
Warum werden MA (q) Zeitreihenmodelle als "gleitende Durchschnitte" bezeichnet?
Wenn ich "gleitender Durchschnitt" in Bezug auf eine Zeitreihe lese, denke ich etwas wie oder vielleicht ein gewichteter Durchschnitt wie0,5xt-1+0,3xt-2+0,2xt-3. (Mir ist klar, dass dies tatsächlich AR (3) -Modelle sind, aber das ist, worauf mein Gehirn abzielt.) Warum sind MA (q) -Modelle Formeln von Fehlertermen oder "Innovationen"? Was hat{ϵ}mit einem …
2
Hilfe bei der Erwartungsmaximierung aus Papier: Wie kann die vorherige Verteilung einbezogen werden?
Die Frage basiert auf dem Artikel mit dem Titel: Bildrekonstruktion in der diffusen optischen Tomographie unter Verwendung des gekoppelten Strahlungstransport-Diffusions-Modells Download-Link Die Autoren wenden EM-Algorithmus sparsity Regularisierung einer unbekannten Vektors die Pixel eines Bildes zu schätzen. Das Modell ist gegeben durchl1l1l_1μμ\mu y=Aμ+e(1)(1)y=Aμ+ey=A\mu + e \tag{1} Die Schätzung ist in Gleichung …
3
Was bedeutet die Einheitswurzel von MA?
Ein ARMA (p, q) -Prozess ist schwach stationär, wenn sich die Wurzel seines AR-Teils nicht auf dem Einheitskreis befindet. Seine schwache Stationarität hängt also nicht von seinem MA-Teil ab. Aber was können die Positionen der Wurzeln seines MA-Teils bedeuten? In den Einheitswurzeltests für ARIMA zeigt eine Einheitswurzel des MA-Polynoms an, …
2
Schreiben von AR (1) als MA (
Der AR (1) -Prozess ist Xt=ϕXt−1+εtXt=ϕXt−1+εt X_t = \phi X_{t-1} + \varepsilon_t Wenn wir diese Formel rekursiv verwenden, erhalten wir Xt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−jXt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−j X_t = \phi(\phi X_{t-2} + \varepsilon_{t-1}) + \varepsilon_t = \phi^2X_{t-2} + \phi\varepsilon_{t-1} + \varepsilon_t = \cdots = \phi^k X_{t-k} + \sum_{j=0}^k \phi^j\varepsilon_{t-j} Wenn wir lassen k→∞k→∞k\to\infty, wir bekommen Xt=limk→∞(ϕkXt−k+∑j=0kϕjεt−j)=limk→∞(ϕkXt−k)+∑j=0∞ϕjεt−jXt=limk→∞(ϕkXt−k+∑j=0kϕjεt−j)=limk→∞(ϕkXt−k)+∑j=0∞ϕjεt−j …
3
Einen exponentiellen gleitenden Durchschnitt auf einen gleitenden Fenstermittelwert einstellen?
Der Alpha-Parameter eines exponentiellen gleitenden Durchschnitts definiert die Glättung, die der Durchschnitt für eine Zeitreihe anwendet. In ähnlicher Weise definiert die Fenstergröße eines sich bewegenden Fenstermittels auch die Glättung. Gibt es eine Möglichkeit, den Alpha-Parameter so einzustellen, dass die Glättung ungefähr der eines Mittelwerts für bewegliche Fenster einer bestimmten Größe …
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.