Als «time-series» getaggte Fragen

Zeitreihen sind Daten, die über die Zeit beobachtet werden (entweder in kontinuierlicher Zeit oder in diskreten Zeiträumen).

2
Was ist die Intuition hinter der Differenzierung zweiter Ordnung?
Manchmal muss eine Zeitserie differenziert werden, um stationär zu sein. Ich verstehe jedoch nicht, wie eine Differenzierung zweiter Ordnung dazu beitragen kann, sie stationär zu machen, wenn eine Differenzierung erster Ordnung nicht ausreicht. Können Sie eine intuitive Erklärung für die Differenzierung zweiter Ordnung und die Fälle geben, in denen dies …
1
ARIMA vs Kalman Filter - wie hängen sie zusammen?
Als ich anfing, über Kalman-Filter zu lesen, dachte ich, dass es sich um einen Sonderfall des ARIMA-Modells handelt (nämlich ARIMA (0,1,1)). Aber tatsächlich scheint die Situation komplizierter zu sein. Zunächst kann ARIMA zur Vorhersage und Kalman-Filter zur Filterung verwendet werden. Aber sind sie nicht eng miteinander verwandt? Frage: Wie ist …
1
Testen der Sharpe Ratio-Signifikanz
Was ist der richtige Weg, um die Bedeutung von Sharpe Ratios oder Information Ratios zu testen? Die Sharpe Ratios basieren auf verschiedenen Aktienindizes und können variable Rückblickperioden haben. Eine Lösung, die ich beschrieben habe, wendet einfach einen Student-T-Test an, wobei der df auf die Länge des Rückblickzeitraums eingestellt ist. Ich …
2
Interpretation von ACF- und PACF-Plots
Ich möchte nur überprüfen, ob ich die ACF- und PACF-Diagramme richtig interpretiere: Die Daten entsprechen den Fehlern, die zwischen den tatsächlichen Datenpunkten und den unter Verwendung eines AR (1) -Modells erzeugten Schätzungen erzeugt wurden. Ich habe mir die Antwort hier angesehen: Schätzen Sie die ARMA-Koeffizienten durch ACF- und PACF-Inspektion Nachdem …
3
Was ist besser, stl oder zersetzen?
Ich mache eine Zeitreihenanalyse mit R. Ich muss meine Daten in Trend-, Saison- und Zufallskomponenten zerlegen. Ich habe wöchentliche Daten für 3 Jahre. Ich habe zwei Funktionen in R - stl()und gefunden decompose(). Ich habe gelesen, dass dies stl()nicht gut für die multiplikative Zerlegung ist. Kann mir jemand sagen, in …
10 r  time-series 
3
Bootstrapping-Residuen: Mache ich es richtig?
Zuallererst: Nach meinem Verständnis funktioniert das Bootstrapping von Residuen wie folgt: Modell an Daten anpassen Berechnen Sie die Residuen Probieren Sie die Residuen erneut aus und addieren Sie sie zu 1. Modell an neuen Datensatz von 3 anpassen. Wiederholen Sie die nZeiten, aber fügen Sie immer die neu abgetasteten Residuen …
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
Frage zur Autokovarianzfunktion der Probe
Ich lese ein Zeitreihenanalysebuch und die Formel für die Autokovarianz von Stichproben ist im Buch wie folgt definiert: γˆ( h ) = n- 1∑t = 1n - h( xt+h−x¯)(xt−x¯)γ^(h)=n−1∑t=1n−h(xt+h−x¯)(xt−x¯)\widehat{\gamma}(h) = n^{-1}\displaystyle\sum_{t=1}^{n-h}(x_{t+h}-\bar{x})(x_t-\bar{x}) mitfür . ist der Mittelwert.γˆ( - h ) = γˆ( h )γ^(−h)=γ^(h)\widehat{\gamma}(-h) = \widehat{\gamma}(h)\;≤ xh = 0 , 1 …
3
Wie finde ich Ähnlichkeiten zwischen Zeitreihen?
Im folgenden Beispiel habe ich einen Datenrahmen, der aus einer Zeitreihe von Wassertemperaturmessungen besteht, die in 5 Tiefen des Ozeans aufgezeichnet wurden, wobei jeder Wert in Tempdem Datum in DateTimeund der Tiefe in entspricht Depth. set.seed(1) Temp <- rnorm(43800,sd=20) AirT <- rnorm(8760,sd=20) Depth <- c(1:5) DateTime = seq(from=as.POSIXct("2010-01-01 00:00"), to=as.POSIXct("2010-12-31 …
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.