Statistiken und Big Data time-series

2

Verwendung von Zeitreihen zur Analyse / Vorhersage von Gewaltverhalten

Dies ist eine etwas flippige Frage, aber ich habe ein ernstes Interesse an der Antwort. Ich arbeite in einer psychiatrischen Klinik und habe drei Jahre lang Daten, die täglich auf jeder Station in Bezug auf das Ausmaß der Gewalt auf dieser Station erhoben werden. Das Modell, das zu diesen Daten …

13 time-series forecasting

5

Wann werden mehrere Modelle für die Vorhersage verwendet?

Dies ist eine ziemlich allgemeine Frage: Ich habe in der Regel festgestellt, dass die Verwendung mehrerer verschiedener Modelle ein Modell übertrifft, wenn versucht wird, eine Zeitreihe anhand einer Stichprobe vorherzusagen. Gibt es gute Papiere, die belegen, dass die Kombination von Modellen ein einzelnes Modell übertrifft? Gibt es Best Practices für …

13 time-series modeling model-comparison

4

Was ist / sind die "mechanischen" Unterschiede zwischen multipler linearer Regression mit Verzögerungen und Zeitreihen?

Ich habe einen Abschluss in Wirtschaftswissenschaften und studiere derzeit einen Master in Datentechnik. Während ich die lineare Regression (LR) und dann die Zeitreihenanalyse (TS) studierte, kam mir eine Frage in den Sinn. Warum eine völlig neue Methode erstellen, dh Zeitreihen (ARIMA), anstatt mehrere lineare Regressionen zu verwenden und verzögerte Variablen …

13 regression time-series multiple-regression least-squares arima

3

Restliche Autokorrelation gegenüber verzögerter abhängiger Variable

Bei der Modellierung von Zeitreihen besteht die Möglichkeit, (1) die Korrelationsstruktur der Fehlerterme zu modellieren, indem zB ein AR (1) -Prozess (2) die verzögerte abhängige Variable als erklärende Variable einbezieht (rechts) Ich verstehe, dass dies manchmal wichtige Gründe sind (2). Was sind jedoch die methodischen Gründe , um entweder (1) …

13 time-series autocorrelation residuals lags

2

Erfassung der Saisonalität in multipler Regression für tägliche Daten

Ich habe tägliche Verkaufsdaten für ein Produkt, das sehr saisonabhängig ist. Ich möchte die Saisonalität im Regressionsmodell erfassen. Ich habe gelesen, dass Sie in diesem Fall, wenn Sie vierteljährliche oder monatliche Daten haben, 3 bzw. 11 Dummy-Variablen erstellen können - aber kann ich mit täglichen Daten umgehen? Ich habe drei …

13 regression time-series multiple-regression categorical-data

1

Wie interpretiere ich Autokorrelation?

Ich habe die Autokorrelation anhand von Zeitreihendaten zu den Bewegungsmustern eines Fisches basierend auf seinen Positionen berechnet: X ( x.ts) und Y ( y.ts). Mit R habe ich die folgenden Funktionen ausgeführt und die folgenden Diagramme erstellt: acf(x.ts,100) acf(y.ts,100) Meine Frage ist, wie ich diese Handlungen interpretiere. Welche Informationen werden …

13 r time-series autocorrelation

4

Ein Regressionsmodell, dessen Antwortvariable der Tag des Jahres ist, an dem (normalerweise) ein jährliches Ereignis auftritt

In diesem speziellen Fall beziehe ich mich auf den Tag, an dem ein See gefriert. Dieses "Ice-On" -Datum tritt nur einmal im Jahr auf, aber manchmal überhaupt nicht (wenn der Winter warm ist). In einem Jahr kann der See an Tag 20 (20. Januar) einfrieren und in einem anderen Jahr …

13 regression time-series survival data-transformation recurrent-events

1

Können Sie AIC-Werte vergleichen, solange die Modelle auf demselben Datensatz basieren?

Ich mache eine Prognose in R mit Rob Hyndmans Prognosepaket . Das zum Paket gehörende Papier finden Sie hier . In dem Artikel implementieren die Autoren die Algorithmen nach der Erläuterung der automatischen Vorhersagealgorithmen auf demselben Datensatz. Nach der Schätzung eines exponentiellen Glättungsmodells und eines ARIMA-Modells geben sie jedoch eine …

13 time-series forecasting model-selection aic

1

Interpretieren von Bereichsleisten in Rs plot.stl?

Ich habe Probleme herauszufinden, was die Bereichsleisten plot.stlgenau bedeuten. Ich habe Gavins Beitrag zu dieser Frage gefunden und auch die Dokumentation gelesen. Ich verstehe, dass sie die relative Größe der zerlegten Komponenten angeben, aber ich bin mir immer noch nicht ganz sicher, wie sie funktionieren. Z.B: Daten: winziger Balken, keine …

13 r time-series

1

Wie wählen Sie eine Analyseeinheit (Aggregationsebene) in einer Zeitreihe aus?

Wenn Sie eine Zeitreihe von Beobachtungen mit beliebiger Genauigkeit in der Zeit messen können und Ihr Ziel darin besteht, eine Beziehung zwischen X und Y zu identifizieren, gibt es eine empirische Rechtfertigung für die Wahl einer bestimmten Aggregationsebene gegenüber einer anderen oder sollte die Wahl einfach auf der Grundlage von …

13 time-series aggregation disaggregation

2

Interrater-Zuverlässigkeit für Ereignisse in einer Zeitreihe mit Unsicherheit über die Ereigniszeit

Ich habe mehrere unabhängige Programmierer, die versuchen, Ereignisse in einer Zeitreihe zu identifizieren. In diesem Fall sehen sie sich ein Video von Gesprächen von Angesicht zu Angesicht an, suchen nach bestimmten nonverbalen Verhaltensweisen (z. B. Kopfnicken) und codieren die Zeit und die Kategorie der einzelnen Ereignisse Veranstaltung. Diese Daten könnten …

13 time-series reliability agreement-statistics

6

Wie kann man abrupte Veränderungen charakterisieren?

Diese Frage ist möglicherweise zu grundlegend. Für einen zeitlichen Trend von Daten möchte ich den Punkt herausfinden, an dem "abrupte" Änderungen auftreten. In der ersten Abbildung unten möchte ich beispielsweise den Änderungspunkt mithilfe einer statistischen Methode ermitteln. Und ich möchte eine solche Methode auf einige andere Daten anwenden, deren Änderungspunkt …

13 time-series trend change-point

3

Ensemble-Zeitreihenmodell

Ich muss die Vorhersage von Zeitreihen automatisieren und kenne die Merkmale dieser Reihen (Saisonalität, Trend, Rauschen usw.) nicht im Voraus. Mein Ziel ist es nicht, für jede Serie das bestmögliche Modell zu erhalten, sondern ziemlich schlechte Modelle zu vermeiden. Mit anderen Worten, jedes Mal kleine Fehler zu bekommen ist kein …

13 time-series forecasting arima ensemble exponential-smoothing

1

Wie trainiere ich das LSTM-Modell anhand mehrerer Zeitreihendaten?

Wie trainiere ich das LSTM-Modell anhand mehrerer Zeitreihendaten? Anwendungsfall: Ich habe in den letzten 5 Jahren einen wöchentlichen Umsatz von 20.000 Agenten. Sie müssen die bevorstehenden wöchentlichen Verkäufe für jeden Agenten prognostizieren. Muss ich einer Stapelverarbeitungstechnik folgen - jeweils einen Agenten nehmen, das LSTM-Modell trainieren und dann prognostizieren? Irgendwelche besseren …

13 machine-learning time-series statistical-significance lstm artificial-intelligence

3

Wird die Stationarität unter einer linearen Kombination bewahrt?

Stellen Sie sich vor, wir haben zwei Zeitreihenprozesse, die stationär sind und erzeugen: xt,ytxt,ytx_t,y_t . Ist zt=αxt+βytzt=αxt+βytz_t=\alpha x_t +\beta y_t , ∀α,β∈R∀α,β∈R\forall \alpha, \beta \in \mathbb{R} auch stationär? Jede Hilfe wäre dankbar. Ich würde ja sagen, da es eine MA-Vertretung hat.

12 time-series stochastic-processes stationarity

Als «time-series» getaggte Fragen