«seasonality» etiketlenmiş sorular

Aldığım verilerde mevsimsellik tespit etmek istiyorum. Mevsimsel deniz altı arsaları ve otokorelasyon arsaları gibi bulduğum bazı yöntemler var, ama işin grafiği nasıl okuyacağımı anlamıyorum, herkes yardım edebilir mi? Diğeri ise, mevsimsellik tespit etmek için grafikte nihai sonuç olsun ya da olmasın başka yöntemler var mı?

56 time-series  seasonality 

ABD’deki bir devlet için intihar ölümleriyle ilgili 17 yıl (1995 - 2011) ölüm belgesi verim var. Orada, intiharlar, aylar / mevsimler, çoğu çelişkili ve literatür hakkında birçok mitoloji var. incelendiğimde, kullanılan yöntemlerden net bir anlam alamıyorum ya da sonuçlara güven duymuyorum. Bu yüzden, veri setim dahilinde herhangi bir ayda intiharların …

24 r  chi-squared  arima  count-data  seasonality 

Zaman serisi analizi yapmaya çalışıyorum ve bu alanda yeniyim. 2006-2009 yılları arasında günlük bir etkinlik sayım var ve buna bir zaman serisi modeli uydurmak istiyorum. İşte kaydettiğim ilerleme: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Sonuçta elde ettiğim komplo: Verilerde mevsimsellik ve eğilim olup olmadığını doğrulamak için bu yazıda belirtilen adımları takip ediyorum …

24 r  time-series  seasonality  multiple-seasonalities  tbats  hypothesis-testing  beta-distribution  machine-learning  unsupervised-learning  supervised-learning  reinforcement-learning 

Günlük bir zaman serisine bir ARIMA modeli uyguluyorum. Veriler günlük olarak 02-01-2010 - 30-07-2011 saatleri arasında toplanmaktadır ve gazete satışlarıyla ilgilidir. Satışlardaki haftalık bir patern bulunabildiğinden (satılan günlük ortalama kopya miktarı genellikle pazartesiden cumaya aynıdır, ardından cumartesi ve pazar günleri artar), bu "mevsimsellik" i yakalamaya çalışıyorum. Satış verileri "veri" göz …

21 r  time-series  arima  seasonality 

Mevsimsel düzeltme , daha ileri araştırmalar için verilerin önişleminde önemli bir adımdır. Ancak araştırmacının trend döngüsü-mevsimsel ayrışma için bir dizi seçeneği vardır. En yaygın (ampirik literatürdeki atıf sayısına göre değerlendirilir) rakip mevsimsel ayrışma yöntemleri X-11 (12) -ARIMA, Tramo / Koltuklar (her ikisi de Demetra + 'da uygulanır ) ve ' …

20 time-series  data-transformation  methodology  seasonality 

Bu uzun bir yazı, bu yüzden umarım bana katılabilirsin ve lütfen yanlış olduğum yerde beni düzeltin. Amacım 3 veya 4 haftalık geçmiş verilerine dayanarak günlük bir tahmin oluşturmak. Veriler, bir transformatör hattından birinin lokal yükünün 15 dakikalık verileridir. Mevsimsel bir ARIMA sürecinin model sırasını bulmakta sorun yaşıyorum. Elektrik talep süresi …

16 forecasting  arima  model-selection  seasonality  fourier-transform 

RSTL ayrışması yapmak için kullanarak s.window, mevsimsel bileşenin ne kadar hızlı değişebileceğini kontrol eder. Küçük değerler daha hızlı değişime izin verir. Mevsimsel pencerenin sonsuz olarak ayarlanması, mevsimsel bileşeni periyodik olmaya zorlamakla eşdeğerdir (yani, yıllar boyunca aynıdır). Sorularım: Aylık zaman serim varsa (bu frekans eşittir ), ayarlamak için hangi kriterler kullanılmalıdır …

16 r  time-series  trend  seasonality 

Etkileşen biyolojik ve çevresel değişkenler (artı muhtemelen bazı ekzojen değişkenler) dahil olmak üzere çok değişkenli bir zaman serisi veri setim var. Mevsimsellik dışında, verilerde uzun vadeli net bir eğilim yoktur. Amacım, hangi değişkenlerin birbiriyle ilişkili olduğunu görmek. Tahmin gerçekten aranmaz. Zaman serileri analizinde yeni olan birkaç referans okudum. Anladığım kadarıyla, …

15 r  time-series  var  seasonality 

Optimal bir lambda aramak için glmnetiçeride caretkullanma cv.glmnetve aynı görevi yapmak için kullanma karşılaştırmasında çok fazla karışıklık var gibi görünüyor . Birçok soru yöneltildi, örneğin: Sınıflandırma modeli train.glmnet mi cv.glmnet mi? Glmnet'i caret ile kullanmanın doğru yolu nedir? "Caret" kullanarak çapraz onaylama "glmnet" ancak sorunun tekrarlanabilirliğinden kaynaklanabilecek hiçbir cevap verilmemiştir. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Büyük düzenleme: Dave & Nick'e şimdiye kadar verdikleri yanıtlar için çok teşekkür etmek istiyorum. İyi haber şu ki, çalışma döngüsünü aldım (prensip, Prof. Hydnman'ın toplu tahmin üzerine görevinden ödünç alındı). Bekleyen sorguları birleştirmek için: a) auto.arima için maksimum yineleme sayısını nasıl artırabilirim - çok sayıda eksojen değişkenle auto.arima, son bir …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

Aşağıdaki kodla stl (Zaman Serisinin Mevsimlik Ayrışması) plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Yukarıdaki koda rastgele veriler (rnorm fonksiyonu) konulduğunda önemli mevsimsel değişiklikler gösterir. Model farklı olsa da, bu her çalıştırıldığında önemli değişiklikler görülür. Bu tür iki desen aşağıda gösterilmiştir: Mevsimsel değişiklik gösterdiğinde bazı verilerde stl işlevine nasıl güvenebiliriz. Bu mevsimsel varyasyonun diğer …

11 time-series  seasonality  loess 

Zaman serileri ile çalışırken bazen spektral analiz kullanarak mevsimselliği tespit edip kaldırıyoruz. Zaman serilerinde gerçek bir başlangıç ​​yapıyorum ve neden mevsimselliği orijinal zaman serisinden çıkarmak isteyeceğime kafam karıştı? Mevsimselliği kaldırmak orijinal verileri bozmuyor mu? Mevsimselliği kaldırarak bir zaman serisi oluşturarak ne gibi avantajlar elde ediyoruz?

11 time-series  seasonality 

Üstel yumuşatma kullanarak perakende ürünlerini (haftaya göre) tahmin etmek istiyorum. Şu anda sesonalite indekslerinin nasıl hesaplanacağı, saklanacağı ve uygulanacağı konusunda sıkıştım. Sorun şu ki, bulduğum tüm örnekler bir çeşit basit mevsimsellik ile ilgileniyor. Benim durumumda şu sorunlar var: 1. Mevsim her yıl aynı hafta meydana gelmez: hareketli. Mardi-gras, ödünç, paskalya …

11 time-series  seasonality 

İki günlük veri serim var. Biri sign-upsdiğeri terminationsise abonelikler. Her iki değişkente bulunan bilgileri kullanarak ikincisini tahmin etmek istiyorum. Bu serinin grafiğine bakıldığında, sonlandırmaların aylar öncesindeki kayıtların katları ile ilişkili olduğu açıktır. Yani, 10 Mayıs'taki kayıtlarda bir artış, 10 Haziran, 10 Temmuz ve 10 Ağustos'ta fesihlerde artışa neden olacak, ancak …

11 r  time-series  seasonality  var