Als «seasonality» getaggte Fragen

Saisonalität bezieht sich auf die wiederkehrende Schwankung um den Mittelwert einer Zeitreihe für einen bestimmten Zeitraum, normalerweise ein Kalenderjahr.

3
Tägliche Zeitreihenanalyse
Ich versuche eine Zeitreihenanalyse durchzuführen und bin neu in diesem Bereich. Ich habe eine tägliche Zählung eines Ereignisses von 2006-2009 und möchte ein Zeitreihenmodell dazu passen. Hier sind die Fortschritte, die ich gemacht habe: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Das resultierende Diagramm, das ich erhalte, ist: Um zu überprüfen, ob Saisonalität …
3
Auto.arima mit täglichen Daten: Wie erfasst man die Saisonalität / Periodizität?
Ich rüste eine tägliche Zeitreihe mit einem ARIMA-Modell aus. Die Daten werden täglich vom 01.02.2010 bis zum 30.07.2011 erhoben und beziehen sich auf den Zeitungsverkauf. Da ein wöchentliches Verkaufsmuster festgestellt werden kann (die tägliche durchschnittliche Anzahl der verkauften Exemplare ist normalerweise von Montag bis Freitag gleich und steigt dann am …
2
Wahl der Methode der saisonalen Zersetzung
Die saisonale Anpassung ist ein entscheidender Schritt, um die Daten für die weitere Forschung aufzubereiten. Forscher haben jedoch eine Reihe von Optionen für die trendzyklus-saisonale Zerlegung. Die gebräuchlichste rivalisierenden saisonaler Zersetzungsverfahren (durch die Anzahl der Zitate in empirischer Literatur Beurteilung) sind X-11 (12) -ARIMA, Tramo / Sitze (beide in realisiert …
1
Kriterien zur Einstellung der AWL ab Fensterbreite
Steuert mithilfe Rder STL-Zerlegung, s.windowwie schnell sich die saisonale Komponente ändern kann. Kleine Werte ermöglichen eine schnellere Änderung. Das Festlegen des Saisonfensters auf unendlich entspricht dem Erzwingen, dass die Saisonkomponente periodisch ist (dh über Jahre hinweg identisch ist). Meine Fragen: Wenn ich eine monatliche Zeitreihe habe (das entspricht einer Häufigkeit …
1
Multivariate biologische Zeitreihen: VAR und Saisonalität
Ich habe einen multivariaten Zeitreihendatensatz, der interagierende biologische Variablen und Umgebungsvariablen (plus möglicherweise einige exogene Variablen) enthält. Neben der Saisonalität gibt es in den Daten keinen eindeutigen langfristigen Trend. Mein Ziel ist es zu sehen, welche Variablen miteinander in Beziehung stehen. Prognosen werden nicht wirklich gesucht. Als Neuling in der …
1
Caret glmnet vs cv.glmnet
Es scheint eine Menge Verwirrung im Vergleich zwischen der Verwendung von glmnetinside caretzur Suche nach einem optimalen Lambda und der Verwendung cv.glmnetderselben Aufgabe zu geben. Viele Fragen wurden gestellt, zB: Klassifizierungsmodell train.glmnet vs. cv.glmnet? Was ist der richtige Weg, um glmnet mit caret zu verwenden? Quervalidierung von "glmnet" mit "caret" …
5
Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …
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
Vorhersage von stündlichen Zeitreihen mit täglicher, wöchentlicher und jährlicher Periodizität
Hauptbearbeitung: Ich möchte mich bisher bei Dave & Nick für ihre Antworten bedanken. Die gute Nachricht ist, dass ich die Schleife zum Laufen gebracht habe (Prinzip aus Prof. Hydnmans Beitrag zur Chargenprognose). So konsolidieren Sie die ausstehenden Abfragen: a) Wie erhöhe ich die maximale Anzahl von Iterationen für auto.arima? Es …
2
Warum gibt die STL-Funktion eine signifikante saisonale Variation mit zufälligen Daten?
Ich habe mit folgendem Code mit der Funktion stl (Seasonal Decomposition of Time Series by Loess) gezeichnet: plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Es zeigt signifikante saisonale Schwankungen mit zufälligen Daten, die in den obigen Code eingegeben wurden (rnorm-Funktion). Jedes Mal, wenn dies ausgeführt wird, werden signifikante Abweichungen festgestellt, obwohl das Muster unterschiedlich …
2
Warum sollten wir Saisonalität aus einer Zeitreihe entfernen?
Während wir mit Zeitreihen arbeiten, erkennen und entfernen wir manchmal Saisonalität mithilfe der Spektralanalyse. Ich bin ein echter Anfänger in Zeitreihen und ich bin verwirrt, warum man Saisonalität aus der ursprünglichen Zeitreihe entfernen möchte. Verzerrt das Entfernen der Saisonalität nicht die ursprünglichen Daten? Welche Vorteile erhalten wir durch die Erstellung …
2
Wie modelliere ich monatliche Effekte in täglichen Zeitreihendaten?
Ich habe zwei Zeitreihen von täglichen Daten. Eines ist sign-upsund das andere terminationsvon Abonnements. Letzteres möchte ich anhand der in beiden Variablen enthaltenen Informationen vorhersagen. Wenn man sich die Grafik dieser Serien ansieht, ist es offensichtlich, dass die Kündigungen mit einem Vielfachen der Anmeldungen in den Monaten zuvor korrelieren. Das …
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.