Birinin periyot, maksimum, minimum, ortalama vb. gerçek veriler varsayılan modele ne kadar uyuyor? Serideki veri noktalarının sayısı 10 ile 50 arasında değişecektir.
Benim çok basit bir ilk düşüncem sinüs dalgasının yönlü hareketine bir değer atfetmekti, yani +1 +1 +1 +1 -1 -1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1, aynısını gerçek verilerle yapın ve sonra bir şekilde yön hareketinin benzerlik derecesini ölçün.
Düzenleme: Verilerimle gerçekten ne yapmak istediğimi daha fazla düşündükten ve orijinal soruma verilen yanıtların ışığında, ihtiyacım olan şey, rakip varsayımlar arasında seçim yapmak için bir karar verme algoritması: yani verilerim temelde doğrusal (veya eğilim) döngüsel elemanlara sahip olabilen gürültü ile; verilerim temelde döngüseldir ve konuşmak için hiçbir yönelimi yoktur; veri aslında gürültüdür; ya da bu devletlerin herhangi biri arasında geçiş yapıyor.
Şimdi düşüncelerim Bayesian analizi ve Öklid / LMS metriğini bir araya getirmektir. Bu yaklaşımdaki adımlar
Veri ölçümlerinden varsayılan sinüs dalgası oluşturma
Verilere bir LMS düz çizgi takın
Yukarıdakilerin her biri için orijinal verilerden çıkışlar için bir Öklid veya LMS metriği türetme
Bu metriğe göre her biri için bir Bayesian oluşturun, yani birleşik kalkışların% 60'ı birine,% 40'ı diğerine eklenir, bu nedenle% 40'ı tercih eder
bir pencere veri boyunca bir veri noktası kaydırın ve bu biraz değiştirilen veri seti için yeni% metrikler elde etmek için yukarıdakileri tekrarlayın - bu yeni kanıttır - bir posterior oluşturmak ve her varsayımı destekleyen olasılıkları değiştirmek için Bayesian analizini yapın
bu sürgülü pencereyle (pencere uzunluğu 10-50 veri noktası) tüm veri seti (3000+ veri noktası) boyunca tekrarlayın. Umut / niyet, veri setinin herhangi bir noktasında baskın / tercih edilen varsayımı ve bunun zamanla nasıl değiştiğini tanımlamaktır
Bu potansiyel metodoloji hakkındaki herhangi bir yorum, özellikle de Bayes analizi bölümünü gerçekte nasıl uygulayabileceğim konusunda memnuniyetle karşılanacaktır.