«time-series» etiketlenmiş sorular

Ben acemiyim R, ses tahmini R tahmin paketinde nasıl kullanılacağını açıklar mısınız? İlk dönem sayısını ve düzeltme sabitini seçmek istiyorum. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) 70 dönemim var, başlangıç ​​için 40 Dönem ve örneklem dışı için 30 Dönem kullanmak istiyorum. ses(d, h=30, level=c(80,95), fan=FALSE,initial=c("simple"), alpha=.1) Doğru mu?

9 r  time-series  forecasting 

Diyelim ki 4 olası olayın sıklık örneğine sahibim: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 ve olaylarımın gerçekleşmesi için beklenen olasılıklarım var: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Dört olayın gözlemlenen frekanslarının toplamı ile (18) Olayların beklenen frekanslarını hesaplayabilir …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Sabit varyans varsayımı ihlal edildiğinde ARIMA modeline sığamayacağımız için, tek değişkenli zaman serilerine uymak için hangi model kullanılabilir?

9 time-series  modeling  forecasting  arima 

ARIMA (5,1,2) modelini auto.arima()R işlevini kullanarak taktım ve siparişe bakarak bunun tahmin edilmesi için en iyi model olmadığını söyleyebiliriz. Veri serilerinde aykırı değerler varsa, bu tür verilere bir model sığdırmanın yöntemi nedir?

9 r  time-series  forecasting  outliers  arima 

Bu makaleden aşağıdaki greftler alınmıştır . Ben bootstrap için acemi ve R bootpaket ile doğrusal karışık model için parametrik, yarı parametrik ve parametrik olmayan bootstrapping bootstrapping uygulamaya çalışıyorum . R Kodu İşte benim Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Analiz etmek için oldukça karmaşık bir veri setim var ve bunun için iyi bir çözüm bulamıyorum. Işte burada: 1. ham veri aslında şarkı kayıtları böcek. Her şarkı birkaç parçadan ve her parça alt birimlerden oluşur. Tüm bireyler 5 dakika boyunca kaydedildi. Seri çekim sayısı ve kayıttaki konumları bireyler arasında ve …

9 time-series  mixed-model  repeated-measures  random-effects-model 

SAS'ları kullanarak Poisson genel katkı modeli kullanarak bazı zaman serisi verileri uydurdum PROC GAM. Genel olarak konuşursak, yerleşik genelleştirilmiş çapraz doğrulama prosedürünün, tek bir parametrik terimle birlikte doğrusal olmayan bir zaman fonksiyonu olan tek spline için en azından iyi bir "başlangıç ​​noktası" oluşturmasını sağladım. gerçekten ilgileniyorum). Şimdiye kadar, veri setlerimden …

9 time-series  sas  splines  gam 

Bir yan hobi olarak, zaman serilerini tahmin ediyorum (özellikle R kullanarak). Verilerim için, günde yaklaşık 4 yıl öncesine kadar her gün ziyaretim var. Bu verilerde bazı farklı modeller vardır: Pazartesi-Cum çok ziyaret (Pazartesi / Sal en yüksek), ancak Sat-Sun önemli ölçüde daha az ziyaret var. Yılın belirli zamanlarında düşüş (yani …

9 r  time-series  seasonality  forecasting 

Bir zaman serisi ölçümlerim var (yükseklikler bir boyutlu seri). Gözlem döneminde, ölçüm süreci bazı zaman noktalarında azalmıştır. Sonuçta elde edilen veriler, verilerde boşlukların bulunduğu NaN'lere sahip bir vektördür. MATLAB kullanarak, otokorelasyon ( autocorr) hesaplanırken ve sinir ağları ( nnstart) uygulanırken bu bana bir soruna neden oluyor . Bu boşluklar / …

9 time-series  dataset  matlab  autocorrelation  missing-data 

Giriş Tahminler kombinasyonunda popüler çözümlerden biri, bazı bilgi kriterlerinin uygulanmasına dayanır. Örneğin , J modeli için tahmin edilen Akaike kriteri dikkate alındığında , AIC_j'nin AIC ^ * = \ min_j {AIC_j} ile arasındaki farklar hesaplanabilir ve daha sonra RP_j = e ^ {(AIC ^ * - AIC_j) / 2} olarak …

9 time-series  forecasting  data-transformation  econometrics 

Her iki değişken (bağımlı ve bağımsız) otokorelasyon etkileri gösterir. Veri zaman serileri ve durağan Regresyonu yürüttüğümde artıklar birbiriyle ilişkili görünmüyor. Durbin-Watson istatistiğim üst kritik değerden daha büyük, bu nedenle hata terimlerinin pozitif bir şekilde ilişkili olmadığına dair bir kanıt var. Ayrıca hatalar için ACF çizdiğimde orada bir korelasyon yok ve …

9 regression  time-series  autocorrelation 

Ben sıfır ortalama ile bu bölümlere ve sıfır ortalama olmayan bu bölümlere bölümlere gerekir gürültülü zaman serisi var. Sınırları olabildiğince doğru bulmak önemlidir (sınırın tam olarak yattığı yer biraz özneldir). Bence bir cusum varyantı bunu yapmak için uyarlanabilir, çünkü cusum öncelikle tüm segmentasyon stratejisini tamamen unutulmamış bırakan tek değişiklikler bulmakla …

9 time-series  classification  mean  change-point 

SAS ve SPSS'nin kısmi otokorelasyon fonksiyonu (PACF) için yaptığı hesaplamayı çoğaltmaya çalışıyorum. SAS'ta Proc Arima aracılığıyla üretilir. PACF değerleri, ilgili dizinin serinin gecikmeli değerleri üzerinde otomatik olarak yeniden gerilmesinin katsayılarıdır. İlgi değişkenim satışlar, bu yüzden lag1, lag2 ... lag12'yi hesaplıyorum ve aşağıdaki OLS regresyonunu çalıştırıyorum: Yt=a0+a1Yt−1+a2Yt−2+a3Yt−3+…+a12Yt−12.Yt=a0+a1Yt−1+a2Yt−2+a3Yt−3+…+a12Yt−12.Y_t=a_0+a_1Y_{t-1}+a_2Y_{t-2}+a_3Y_{t-3}+\ldots+a_{12}Y_{t-12}. Ne yazık ki elde …

9 time-series  autocorrelation  partial 

VAR (vektör otomatik regresyonu) ve MANOVA arasındaki farklar nelerdir?

9 time-series  manova  autoregressive 

Cowpertwait ve Metcalfe'nin 'R ile Tanıtım Zamanı Serisi' kitabından geçiyorum. Sayfa 36 Satırlar şöyle diyor: . Burada satırları olduğunu R forum okudum . −1/n±2/n−−√−1/n±2/n-1/n \pm 2/\sqrt{n}±1.96/n−−√±1.96/n\pm 1.96/\sqrt{n} Aşağıdaki kodu koştum: b = c(3,1,4,1) acf(b) ve görüyorum ki çizgiler . Peki, kitap yanlış mı? Yoksa yazılanları yanlış mı okuyorum? Yazarlar biraz …

9 r  time-series