Als «time-series» getaggte Fragen

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

1
Wahrscheinlichkeitsrätsel über Zombies [geschlossen]
Geschlossen . Diese Frage erfordert Details oder Klarheit . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Fügen Sie Details hinzu und klären Sie das Problem, indem Sie diesen Beitrag bearbeiten . Geschlossen vor 9 Monaten . Ich denke darüber nach, ein einfaches Spiel über Zombies zu schreiben. …
3
Optimierungsfehler beim Einpassen des Arima-Modells in R.
Ich verwende die Arima-Methode des Statistikpakets von R mit meiner Zeitreihe von 17376 Elementen. Mein Ziel ist es, den Wert des AIC-Kriteriums zu erhalten. Ich habe in meinem ersten Test Folgendes beobachtet: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > …
2
Warum würde ein statistisches Modell bei einem riesigen Datensatz überanpassen?
Für mein aktuelles Projekt muss ich möglicherweise ein Modell erstellen, um das Verhalten einer bestimmten Personengruppe vorherzusagen. Der Trainingsdatensatz enthält nur 6 Variablen (ID dient nur zu Identifikationszwecken): id, age, income, gender, job category, monthly spend in dem monthly spendist die Antwortvariable. Der Trainingsdatensatz enthält jedoch ungefähr 3 Millionen Zeilen, …
8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 
1
Erklärung der Zersetzung von Beverly Nelson
Kann jemand erklären, wie die Beveridge-Nelson-Zerlegung funktioniert? Bisher weiß ich nur, dass es Trendzyklen in nicht stationären Zeitreihendaten schätzt. Ich habe mir mehrere Zeitschriftenartikel angesehen und bin immer noch verwirrt darüber, wie es funktioniert. Http://research.economics.unsw.edu.au/jmorley/bn.pdf
4
Regression von Daten, die ein Datum enthalten
Ich habe einen Datensatz, der einige hundert Transaktionen von drei Lieferanten enthält, die über einen Zeitraum von drei Jahren in über 100 Ländern tätig sind. Wir haben festgestellt, dass das Verkaufsland kein wesentlicher Faktor für die erzielten Preise ist (die Produkte sind mehr oder weniger globale Waren). Alle Preise sind …
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
auto.arima erkennt kein saisonales Muster
Ich habe einen täglichen Wetterdatensatz, der wenig überraschend einen sehr starken saisonalen Effekt hat. Ich habe ein ARIMA-Modell mit der Funktion auto.arima aus dem Prognosepaket an diesen Datensatz angepasst. Zu meiner Überraschung wendet die Funktion keine saisonalen Operationen an - saisonale Differenzierung, saisonale ar- oder ma-Komponenten. Hier ist das Modell, …
1
Vorhersage stark korrelierter Zeitreihen
Bei der Vorhersage von Zeitreihen mit verschiedenen Modellen wie AR, MA, ARMA usw. konzentrieren wir uns normalerweise auf die Modellierung der Daten im Zeitwechsel. Wenn wir jedoch zwei Zeitreihen haben, bei denen der Pearson-Korrelationskoeffizient zeigt, dass sie stark korreliert sind, ist es dann möglich, ihre Abhängigkeits- und Prognosewerte voneinander zu …
2
Simulieren Sie prognostizierte Beispielpfade aus dem tbats-Modell
Unter Verwendung des hervorragenden Prognosepakets von Rob Hyndman stieß ich auf die Notwendigkeit, nicht nur Vorhersageintervalle zu haben, sondern auch eine Reihe zukünftiger Pfade zu simulieren, wenn man frühere Beobachtungen einer Zeitreihe mit komplexen Saisonalitäten berücksichtigt. Es gibt etwas für weniger komplexe Zeitreihen mit nur einer oder zwei Saisonalitäten (simulate.ets …
1
Ist die Quadratwurzel einer positiven semidefiniten Matrix ein einzigartiges Ergebnis?
Ich versuche , eine Zeitreihe von zersetzen Beobachtungen in die Varianz-Kovarianz - Struktur und einer zufälligen Reihe .v c n × n ∑ vnnnvcvc\bf{\mathrm{v_c}}n×nn×nn \times n∑∑\sumvv\bf{\mathrm{v}} Ich kann also die Varianz-Kovarianz-Matrix aus der Autokorrelationsfunktion von . Dies wird eine Toeplitz-Matrix sein, die positiv semidefinit ist. Daher kann ich eine geeignete …
2
Post-hoc-Test nach 2-Faktor-Wiederholungsmessungen ANOVA in R?
Ich habe Probleme, eine Lösung für die Durchführung eines Post-hoc-Tests (Tukey HSD) nach einer ANOVA mit 2 Faktoren (beide innerhalb der Probanden) mit wiederholten Messungen in R zu finden. Für die ANOVA habe ich die aov-Funktion verwendet: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Nachdem ich Antworten auf andere …
2
Zwei saisonale Perioden in ARIMA mit R.
Ich verwende derzeit R, um eine Zeitreihe mit den folgenden Anweisungen vorherzusagen: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Wie Sie sehen, habe ich stündlich Daten und habe den saisonalen Zeitraum von 24 (einen Tag) gewählt. Ich möchte meine Prognose mithilfe eines zusätzlichen …
5
Glätten von 2D-Daten
Die Daten bestehen aus optischen Spektren (Lichtintensität gegen Frequenz), die zu unterschiedlichen Zeiten aufgenommen wurden. Die Punkte wurden in einem regelmäßigen Raster in x (Zeit), y (Frequenz) erfasst. Um die zeitliche Entwicklung bei bestimmten Frequenzen zu analysieren (ein schneller Anstieg, gefolgt von einem exponentiellen Abfall), möchte ich einen Teil des …
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.