Pertanyaan yang diberi tag «time-series»

Pertanyaan saya adalah pertanyaan yang sangat sederhana, tetapi itu adalah pertanyaan yang benar-benar membuat saya :) Saya tidak benar-benar tahu bagaimana cara mengevaluasi apakah rangkaian waktu tertentu akan diuraikan menggunakan aditif atau metode dekomposisi multiplikatif. Saya tahu ada isyarat visual untuk membedakan mereka satu sama lain tetapi saya tidak mengerti. …

9 time-series  mathematical-statistics  variance-decomposition 

Saya memiliki banyak rangkaian waktu dengan periode: hari, minggu atau bulan. Dengan stl()fungsi atau dengan loess(x ~ y)saya dapat melihat bagaimana tren seri waktu tertentu terlihat. Saya perlu mendeteksi apakah tren deret waktu meningkat atau menurun. Bagaimana saya bisa mengaturnya? Saya mencoba menghitung koefisien regresi linier dengan lm(x ~ y)dan …

9 r  time-series  trend 

Saya ingin menyesuaikan DLM dengan koefisien yang bervariasi waktu, yaitu perpanjangan untuk regresi linier biasa, .yt=θ1+θ2x2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 Saya memiliki prediktor ( ) dan variabel respon ( y t ), marine & tangkapan ikan pedalaman tahunan masing-masing dari 1950 - 2011. Saya ingin model regresi DLM untuk mengikuti,x2x2x_2ytyty_t …

9 r  regression  time-series  dlm  dynamic-regression 

Saya memiliki banyak gambar raster satelit yang tersedia dari berbagai sensor. Dari ini, yang lebih kasar memiliki resolusi temporal yang sangat berlimpah. Raster resolusi menengah cenderung memiliki lebih sedikit tanggal akuisisi tetapi masih ada beberapa tingkat informasi yang tersedia. Resolusi yang lebih halus memiliki resolusi temporal yang sangat rendah, berkisar …

9 time-series  machine-learning  predictive-models  multivariate-regression 

Pertanyaan : Apakah pengaturan di bawah ini merupakan implementasi yang masuk akal dari model Hidden Markov? Saya memiliki satu set data 108,000pengamatan (diambil selama 100 hari) dan kira-kira 2000peristiwa di seluruh rentang waktu pengamatan. Data terlihat seperti gambar di bawah ini di mana variabel yang diamati dapat mengambil 3 nilai …

9 time-series  machine-learning  predictive-models  markov-chain  hidden-markov-model 

Saya memiliki Dynamic Naive Bayes Model yang dilatih pada beberapa variabel temporal. Output dari model adalah prediksi P(Event) @ t+1, diperkirakan masing-masing t. Plot P(Event)versus timeadalah seperti yang diberikan pada gambar di bawah ini. Dalam gambar ini, garis hitam mewakili P(Event)seperti yang diprediksi oleh model saya; yang garis merah horisontal …

9 time-series  probability  prediction  model-comparison  model-evaluation 

karena saya melangkah ke peramalan dengan model ARIMA, saya mencoba memahami bagaimana saya dapat meningkatkan ramalan berdasarkan ARIMA yang sesuai dengan musiman dan pergeseran. Data saya adalah seri waktu berikut (lebih dari 3 tahun, dengan tren yang jelas ke atas dan musim yang terlihat, yang tampaknya tidak didukung oleh autokorelasi …

9 r  time-series  forecasting  arima  seasonality 

Saya menggunakan Dynamic Time Warping untuk mencocokkan kurva "kueri" dan "templat" dan sejauh ini berhasil, tetapi saya punya beberapa pertanyaan mendasar: Saya menilai "kecocokan" dengan menilai apakah hasil DTW kurang dari beberapa nilai ambang batas yang saya buat secara heuristik. Apakah ini pendekatan umum untuk menentukan "kecocokan" menggunakan DTW? Jika …

9 time-series  normalization  functional-data-analysis 

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 

Saya pemula di R, Bisakah Anda jelaskan cara menggunakan ses dalam paket perkiraan R perkiraan ? Saya ingin memilih jumlah periode awal dan konstanta smoothing. 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) Saya memiliki 70 periode, saya ingin menggunakan 40 Periode untuk awal dan 30 untuk sampel out-of. ses(d, h=30, level=c(80,95), fan=FALSE,initial=c("simple"), alpha=.1) Apakah …

9 r  time-series  forecasting 

Misalkan saya punya satu sampel frekuensi dari 4 peristiwa yang mungkin: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 dan saya memiliki probabilitas yang diharapkan dari peristiwa saya terjadi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Dengan jumlah frekuensi yang diamati …

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 

Karena kita tidak dapat mencocokkan model ARIMA ketika asumsi varians konstan dilanggar, model apa yang dapat digunakan agar sesuai dengan deret waktu univariat?

9 time-series  modeling  forecasting  arima 

Saya telah memasang model ARIMA (5,1,2) menggunakan auto.arima()fungsi dalam R dan dengan melihat urutan kita dapat mengatakan ini bukan model terbaik untuk perkiraan. Jika outlier ada dalam seri data, apa metode untuk mencocokkan model dengan data tersebut?

9 r  time-series  forecasting  outliers  arima 

Cangkok berikut diambil dari artikel ini . Saya pemula untuk bootstrap dan mencoba mengimplementasikan bootstrap parametrik, semiparametrik, dan nonparametrik untuk model campuran linier dengan R bootpaket. Kode R Ini Rkode saya : library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- …

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 

Saya memiliki set data yang cukup rumit untuk dianalisis, dan saya tidak dapat menemukan solusi yang baik untuk itu. Ini masalahnya: 1. data mentah pada dasarnya adalah rekaman lagu serangga. Setiap lagu terbuat dari beberapa semburan, dan setiap semburan terbuat dari sub-unit. Semua individu telah direkam selama 5 menit. Jumlah …

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