Pertanyaan yang diberi tag «stationarity»

Saya mengalami kesulitan untuk membedakan antara konsep skedastik dan stasioner. Seperti yang saya pahami, heteroskedastisitas adalah variabilitas yang berbeda dalam sub-populasi dan non-stasioneritas adalah perubahan mean / varians dari waktu ke waktu. Jika ini adalah pemahaman yang benar (walaupun simplistis), apakah ketidaktentuan hanya merupakan kasus heteroskedastisitas spesifik sepanjang waktu?

9 time-series  heteroscedasticity  stationarity  intuition 

Pertimbangkan proses acak yang berarti ada, dan konstan, untuk semua waktu , yaitu untuk semua waktu dan waktu bergeser (atau "lag") . Saya tidak memaksakan kondisi lebih lanjut pada momen yang lebih tinggi atau pada fungsi distribusi. Bagaimana saya bisa menggambarkan proses seperti itu? Ini hanya diam dalam arti lebih …

9 time-series  terminology  stationarity  stochastic-processes 

Sebagai contoh: Saya ingin meramalkan nilai-nilai masa depan dari suatu seri-waktu berdasarkan nilai-nilai sebelumnya dari beberapa seri-waktu 'menggunakan ANN dan / atau SVM. Input akan menjadi nilai lag dari setiap deret waktu, dan output akan menjadi prakiraan satu langkah di depan (prakiraan dengan cakrawala lebih lanjut akan dilakukan dengan "menggulirkan" …

9 time-series  machine-learning  stationarity  prediction 

Saya tahu bahwa transformasi linear dari deret waktu yang timbul dari proses stasioner (lemah) juga stasioner. Apakah ini benar, bagaimanapun, untuk transformasi seri melalui pengambilan nilai absolut dari setiap elemen juga? Dengan kata lain, jika stasioner, maka apakah stasioner juga?{xi,i∈N}{xi,i∈N}\{x_i,i\in\mathbb{N}\}{|xi|,i∈N}{|xi|,i∈N}\{|x_i|,i\in\mathbb{N}\}

8 time-series  data-transformation  stationarity 

Seringkali, dalam literatur, penulis tertarik untuk menemukan distribusi stasioner dari proses deret waktu. Sebagai contoh, perhatikan proses AR ( ) sederhana berikut ini : mana .111{Xt}{Xt}\{X_t\}Xt= αXt - 1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t, et∼i i dfet∼iidfe_t\stackrel{iid}{\thicksim} f Apa yang mungkin menjadi motivasi untuk menemukan distribusi stasioner dari setiap proses …

8 distributions  markov-process  stationarity  autoregressive  intuition 

Saya tidak dapat memahami kepala saya tentang properti seri stasioner ini dan fungsi autokorelasi. Saya harus membuktikannya ∑h=1n−1ρ^(h)=−12∑h=1n−1ρ^(h)=−12\begin{align} \sum_{h=1}^{n-1}\hat\rho(h)=-\frac{1}{2} \end{align} Di mana dan adalah fungsi autokovarianρ^(h)=γ^(h)γ^(0)ρ^(h)=γ^(h)γ^(0)\hat\rho(h)=\displaystyle\frac{\hat\gamma(h)}{\hat\gamma(0)}γ^(h)γ^(h)\hat\gamma(h) γ^(h)=1n∑t=1n−h(Xt−X¯)(Xt+h−X¯)γ^(h)=1n∑t=1n−h(Xt−X¯)(Xt+h−X¯)\begin{align} \hat\gamma(h) = \frac{1}{n}\sum_{t=1}^{n-h}(X_t-\bar{X})(X_{t+h}-\bar{X}) \end{align} Semoga seseorang dapat membantu saya dengan bukti, atau setidaknya mengarahkan saya ke arah yang benar.

8 time-series  autocorrelation  stationarity 

Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel respon. Tetapi dataset pelatihan berisi sekitar 3 juta baris, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Saya sedang memeriksa tangkapan tikus di enam jerat perangkap tikus permanen berukuran 150 x 150 meter dan terdiri dari 121 stasiun perangkap yang berjarak 15 meter. Ada enam kisi perangkap seperti itu di lokasi penelitian yang berukuran <1000 hektar. Saya ingin menginterpolasi data penangkapan untuk membuat permukaan aktivitas tikus yang …

8 spatial  interpolation  geostatistics  stationarity 

Saya tahu apa bidang Gaussian. Namun, saya tidak begitu yakin apa yang dimaksud dengan alat tulis. Saya telah melihat hal stasioner ini di banyak tempat seperti proses autoregresif stasioner dll tetapi tidak benar-benar tahu apa yang dimaksud dengan stasioner.

8 gaussian-process  stationarity