Als «time-series» getaggte Fragen

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

3
Wie kann eine robuste Schrittfunktion an eine Zeitreihe angepasst werden?
Ich habe eine etwas laute Zeitreihe, die auf verschiedenen Ebenen schwebt. Zum Beispiel die folgenden Daten: Ich habe die durchgezogenen Liniendaten zur Verfügung und möchte eine Schätzung für die gestrichelte Linie erhalten. Es sollte stückweise konstant sein. Welche Algorithmen sollten Sie hier ausprobieren? Meine bisherigen Ideen drehen sich um 0-Grad-P-Splines …
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 …
4
So testen Sie, ob sich der Prozess, der eine Zeitreihe generiert hat, im Laufe der Zeit geändert hat
Problem Ich habe Zeitreihendaten, die von einer Maschine über zwei nicht zusammenhängende Zeiträume generiert wurden - ungefähr einen Monat im Jahr 2016 und einen weiteren Monat im Jahr 2018. Von Domänenexperten wird angenommen, dass zu jedem Zeitpunkt Schritt eine beobachtete Variable Y ^ t durch einen anderen Satz beobachteter Variablen, …
1
Guassianischer Prozess zur Datenimputation
Ich bin kürzlich bei Gelman et al. Auf Gaußsche Prozesse gestoßen. (2013), und ich versuche, mehr über ihre mögliche Anwendung zur Verwendung bei der Eingabe von Zeitreihendaten zu erfahren. Die interessierenden Daten sind eine einzelne variable Zeitreihe der Herzfrequenz einer Person, die unter Verwendung eines Fotoplethysmogramms (PPG; ein optischer Sensor, …
1
Summe der Prognosen
Ich habe eine Frage zur Prognose. Ich baue ein Bestandsmodell für Lager auf, bei dem allen Lagern mehrere Kunden / Länder zugewiesen sind. Ich habe Daten zum Umsatz für alle Länder separat, sodass ich meine Prognose für diese Daten durchführen kann, um eine Prognose für die Ländernachfrage zu erhalten. Ich …
1
Bedingungslose Verteilung des ARMA-Prozesses mit T-Student-Fehlern
Wenn im -Modell die Fehler eine Normalverteilung haben, ist die bedingungslose Verteilung von Normal. Wenn die Fehler eine T-Student-Verteilung mit Freiheitsgraden haben. Was ist die bedingungslose Verteilung von ?Yt∼ARMA(p,q)Yt∼ARMA(p,q)Y_t\sim ARMA(p,q)YtYtY_tνν\nuYtYtY_t Also wobei .Yt=ϕ1Yt−1+⋯+ϕpYt−p+et−θ1et−1−⋯−θqet−qYt=ϕ1Yt−1+⋯+ϕpYt−p+et−θ1et−1−⋯−θqet−qY_t=\phi_1Y_{t-1}+\dots+\phi_pY_{t-p}+e_t-\theta_1e_{t-1}-\dots-\theta_q e_{t-q}et∼tνet∼tνe_t\sim t_\nu Ich habe keine Ahnung, wie ich die Verteilung und die Bücher finden soll, die ich …
2
Verzögerte abhängige Variable in der linearen Regression
Kürzlich habe ich eine Arbeit gelesen, in der in einer Zeitreihe Daten gemäß der Gleichung OLS wurde hier (mit dem Befehl in R) verwendet, um den Koeffizienten von . Ist es statistisch korrekt?Yt=β1Yt−1+β2X+ε.Yt=β1Yt−1+β2X+ε. Y_t=\beta_1 Y_{t−1}+\beta_2X+\varepsilon. lm()Yt−1Yt−1Y_{t-1} Ich verstehe, wenn wir uns mit Zeitreihendaten befassen, bedeutet dies tatsächlich einen ARX-Prozess und …
3
Saisonale ARIMA-Modellierung in R.
Ich habe monatliche Preisdaten für eine Ware von 2007 bis 2017. Sie finden sie unter folgendem Link: https://drive.google.com/open?id=0BxRCOgKAL4itcUZlOExrUmVOanc Ich muss sie für das nächste mit dem saisonalen ARIMA-Modell in R prognostizieren Jahr. Wenn ich die auto.arimaFunktion verwende, wird mir das beste Modell ARIMA(0,1,1)anstelle von vorgeschlagen ARIMA(p,d,q)(P,D,Q)12. Der saisonale Teil des …
2
Vorausschauendes Wartungsmodell zur Identifizierung von Anzeichen eines Fehlers, bevor dieser auftritt
Situation Ich arbeite an einem Problem, bei dem ich Sensordaten verwende, um einen Maschinenausfall vorherzusagen, bevor der Fehler auftritt, und ich benötige einige Ratschläge zu den zu untersuchenden Methoden. Insbesondere möchte ich Hinweise auf einen bevorstehenden Fehler identifizieren, bevor der Fehler tatsächlich auftritt. Im Idealfall ist dies mit einer ausreichenden …
2
Was ist eine stationäre Zeitreihe? Was sind einige Beispiele?
In meiner ökonometrischen Klasse definierte mein Lehrer eine stationäre Zeitreihe folgendermaßen: "Eine Zeitreihe ist lose gesagt stationär, wenn sich ihre stochasitischen Eigenschaften und ihre zeitliche Abhängigkeitsstruktur im Laufe der Zeit nicht ändern." Ich bin verwirrt, was einige Beispiele wären. Wäre die Temperatur im Laufe der Jahre stationär, vorausgesetzt, es gibt …
1
Mathematische Begründung für die Verwendung wiederkehrender neuronaler Netze über Feed-Forward-Netze
Ich habe mich gefragt und versucht zu verstehen, ob es einen mathematischen Grund für die Überlegenheit von RNNs gegenüber Feed-Forward-Netzwerken beim Umgang mit sequentiellen Daten gibt. Zum Beispiel beim Modellieren von Zeitreihen, HMMs usw. Angenommen, die Länge der Sequenz ist fest, aber sehr groß. Intuitiv ist klar, dass RNNs die …
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.