Statistiken und Big Data time-series

1

Sind spektrale Zerlegungen von Zeitreihen für die Modellierung / Vorhersage nützlich oder eher ein Werkzeug zur Analyse?

Dies ist eine theoretische Frage. Ich bin auch neu in der Zeitreihenanalyse und versuche schnell zu lernen. Entschuldigung, wenn ein Teil meiner Terminologie nicht stimmt. Sie können Methoden zur Analyse und Modellierung von Zeitreihen lose in Zeitbereichs- und Frequenzbereichsansätze einteilen. Im Zeitbereich prognostizieren Modelle wie ARIMA basierend auf den jüngsten …

7 time-series arima spectral-analysis

2

Entspricht jedes ARIMA (1,1,0) -Modell einem AR (2) -Modell?

Angenommen, ich habe eine Zeitreihe , die ich mit einem ARIMA (1,1,0) -Modell des Formulars anpassen möchte:xtxt x_t Δxt=αΔxt−1+wtΔxt=αΔxt−1+wt \Delta x_t = \alpha \Delta x_{t-1} + w_t Dies könnte wie folgt umgeschrieben werden: xt−xt−1=α(xt−1−xt−2)+wtxt−xt−1=α(xt−1−xt−2)+wt x_t - x_{t-1} = \alpha ( x_{t-1} - x_{t-2} )+ w_t xt=(1+α)xt−1−αxt−2+wtxt=(1+α)xt−1−αxt−2+wt x_t = ( 1 …

7 r time-series arima

1

Ist es gültig, ein ARMAX-Modell für die TV-Zuordnung zu verwenden?

Angenommen, ich habe eine Website mit stündlichem Basisverkehr. Ich schalte auch zeitweise Fernsehwerbung, was meinen Webverkehr steigert. Ich möchte feststellen, welchen Einfluss meine Fernsehwerbung auf die Steigerung des Webverkehrs hat. Wenn ich ein ARMAX-Modell mit stündlichen TV-Werbeausgaben oder Impressionen als exogenen Variablen anpasse, kann dann behauptet werden, dass die AR-Begriffe …

7 r time-series forecasting arima armax

4

Zeitreihenanalyse: Da die Volatilität von der Zeit abhängt, warum sind die Renditen stationär?

Ich führe einen Dickey Fuller-Test durch, um festzustellen, ob die Aktienrenditen stationär sind. Ich verstehe, egal welche Bestandsaufnahme ich mache, seine Rückkehr ist stationär. Ich weiß nicht, warum ich dieses Ergebnis erhalte, da klar ist, dass die Volatilität von der Zeit abhängt (daher sind die Renditen nicht stationär, da ihre …

7 time-series heteroscedasticity garch stationarity

2

Warum ist die Multiplikation im Frequenzbereich gleich der Faltung im Zeitbereich?

Diese Frage wurde im Zusammenhang mit dem Verständnis gestellt, wie eine Verteilung einer Summe von zwei iid-Zufallsvariablen erhalten werden kann. Ich arbeite an der besten Antwort auf diese Frage. Betrachten Sie die Summe von Gleichverteilungen auf oder . Warum verschwindet die Spitze im PDF von für ? nnn[0,1][0,1][0,1]ZnZnZ_nZnZnZ_nn≥3n≥3n \geq 3und …

7 time-series frequency convolution characteristic-function

1

XG Boost gegen Random Forest für die Vorhersage von Zeitreihen-Regressionen

Ich verwende Rs Implementierung von XGboost und Random Forest, um Prognosen für den Umsatz für einen Tag im Voraus zu erstellen. Ich habe ungefähr 200 Zeilen und 50 Prädiktoren. (Wenn ich mit der Zeit weiter gehe, habe ich mehr Daten, also mehr Zeilen). Das XGBoost-Modell mit den folgenden Parametern ist …

7 regression machine-learning time-series random-forest boosting

1

Ableiten wahrscheinlicher Daten basierend auf anderen verwandten Daten in einem unvollständigen Datensatz

Ich mache meine ersten Schritte in den Bereichen Datenwissenschaft und maschinelles Lernen. Ich experimentiere mit einem Projekt, bei dem ich keine Ahnung habe, mit welchen Ansätzen ich beginnen könnte, daher würde ich mich über Hinweise freuen: Ich habe einen Datensatz (zur Erklärung) der Studienabschlüsse. Der Datensatz ist insofern vollständig, als …

7 machine-learning time-series survival interval-censoring pandas

2

Zufällige Waldregression und Trendzeitreihen

Ich vergleiche ein zufälliges Waldmodell mit einem GLS-Modell unter Verwendung einer univariaten Zeitreihe, die einen deterministischen linearen Trend aufweist. Ich werde dem GLS-Modell eine lineare Zeittrend-Kovariate (unter anderen Prädiktoren) hinzufügen, um den sich ändernden Trend zu berücksichtigen. Um in meinem Vergleich konsistent zu sein, hatte ich gehofft, diesen Prädiktor auch …

7 time-series random-forest trend

1

Wie kann ein Algorithmus zur Vorhersage von Zeitreihen am besten bewertet werden?

Was ist die beste Vorgehensweise zum Trainieren und Bewerten eines Vorhersagealgorithmus für eine Zeitreihe? Zum Lernen von Algorithmen, die im Batch-Modus trainiert werden, kann ein naiver Programmierer den Rohdatensatz [(sample, expected prediction),...]direkt an die train()Methode des Algorithmus weitergeben . Dies zeigt normalerweise eine künstlich hohe Erfolgsrate, da der Algorithmus effektiv …

7 machine-learning predictive-models prediction time-series forecasting exponential-smoothing survival censoring probability distributions references multinomial combinatorics k-nearest-neighbour regression logistic r regression logistic predictive-models bayesian p-value frequentist consistency distributions censoring machine-learning mean missing-data data-imputation multiple-imputation

1

Beweise für Ähnlichkeiten zweier Zeitreihen

Nehmen wir an, ein analytisches Modell sagt einen epidemischen Trend über die Zeit voraus, dh die Anzahl der Infektionen über die Zeit. Wir haben auch eine Computersimulationsergebnisse im Laufe der Zeit, um die Leistung des Modells zu überprüfen. Ziel ist es zu beweisen, dass die Simulationsergebnisse und die vorhergesagten Werte …

7 r time-series arima granger-causality statsmodels

2

Eine stetige Funktion einer Folge von Zufallsvektoren konvergiert mit der Wahrscheinlichkeit gegen die Funktion der Grenze

Satz: Wenn eine Folge von k-dimensionalen Zufallsvektoren st und wenn eine kontinuierliche Abbildung ist, dann ist .{Xn}{Xn}\{ X_n \}Xn→pXXn→pXX_n \overset{p}{\to} Xg:Rk→Rmg:Rk→Rmg: R^k \rightarrow R^mg(Xn)→pg(X)g(Xn)→pg(X)g(X_n) \overset{p}{\to} g(X) Beweis: Sei eine positive reelle Zahl. Dann geben wir ein wir haben KKKϵ>0ϵ>0\epsilon > 0 Ich verstehe nicht, warum einheitlich stetig ist und könnte …

7 time-series probability convergence asymptotics

Als «time-series» getaggte Fragen