Pertanyaan yang diberi tag «time-series»

Ini adalah pertanyaan yang cukup umum: anggap saya ingin membangun model untuk memprediksi pengamatan berikutnya berdasarkan sebelumnya NNN pengamatan (NNNdapat menjadi parameter untuk mengoptimalkan secara eksperimental). Jadi pada dasarnya kami memiliki jendela geser fitur input untuk memprediksi pengamatan selanjutnya. Saya dapat menggunakan pendekatan Model Hidden Markov, yaitu Baum-Welch untuk memperkirakan …

8 regression  time-series  modeling  prediction  hidden-markov-model 

Saya mengerti model AR (p): inputnya adalah deret waktu yang dimodelkan. Saya benar-benar terjebak ketika membaca tentang model MA (q): inputnya adalah inovasi atau kejutan acak seperti yang sering dirumuskan. Masalahnya adalah saya tidak bisa membayangkan bagaimana mendapatkan komponen inovasi yang tidak memiliki model seri waktu (sempurna) yang sudah ada …

8 time-series  arima  linear-model  intuition 

Tutup. Pertanyaan ini di luar topik . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga sesuai topik untuk Cross Validated. Ditutup 2 tahun yang lalu . deret waktu saya jelas periodik, tetapi dekomposisi musiman menggunakan stl () tidak berfungsi di R: a <- c(6.7, 20.3, 23.5, …

8 r  time-series  seasonality 

Katakanlah saya memiliki deret waktu pengamatan dan saya menghitung ukuran varians deret waktu itu sebagai standar deviasi (SD) di jendela putar lebar dan jendela itu dipindahkan dalam langkah waktu tunggal atas rangkaian. Asumsikan lebih lanjut bahwa , di mana adalah jumlah pengamatan, dan bahwa jendelanya benar; Saya harus mengamati nilai …

8 time-series  autocorrelation  moving-window 

Ada beberapa metode untuk membuat perkiraan deret waktu yang sama (mis. Holt-Winters, ARIMA, ...). Namun saat ini saya sedang mengerjakan set data spasi tidak beraturan berikut, yang memiliki jumlah titik data yang bervariasi per tahun dan tidak ada interval waktu reguler antara titik-titik tersebut: Plot: Sampel Data: structure(list(date = structure(c(664239600, …

8 r  time-series  forecasting  unevenly-spaced-time-series 

Sebelum bertanya, saya membaca pertanyaan serupa, tetapi tidak ada yang mengarah ke jawaban yang memuaskan untuk minat khusus saya. Saya ingin menyeragamkan serangkaian waktu iklim dari presipitasi Republik Dominika selama 64 tahun (1940-2003). Untuk itu, sangat penting untuk memilih seri referensi di antara sekelompok kandidat. Katakanlah sjoadalah seri dasar, yang …

8 time-series  correlation 

Ditutup . Pertanyaan ini membutuhkan detail atau kejelasan . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Tambahkan detail dan jelaskan masalahnya dengan mengedit posting ini . Ditutup 10 bulan lalu . Saya sedang berpikir tentang menulis game sederhana tentang zombie. Saya terjebak mencoba menghitung berapa banyak orang yang …

8 time-series  probability  epidemiology 

Saya menggunakan metode arima paket statistik R dengan deret waktu 17376 elemen saya. Tujuan saya adalah untuk mendapatkan nilai kriteria AIC, saya amati dalam tes pertama saya ini: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > ts$coef ar1 ar2 ma1 …

8 r  time-series  forecasting  arima 

Saya memiliki ~ 400 orang dan> 10rb timepoint masing-masing (hasil simulasi) Saya ingin dapat memantau karena mereka berubah seiring berjalannya waktu. Memplot semua individu terlalu berantakan, merencanakan mean -sd, min / max, atau kuantil adalah informasi yang terlalu sedikit untuk seleraku. Saya bertanya-tanya apa yang orang lain buat untuk memvisualisasikan …

8 r  time-series  data-visualization 

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 

Adakah yang bisa menjelaskan cara kerja Dekomposisi Beveridge-Nelson? Sejauh ini yang saya tahu adalah memperkirakan siklus tren dalam data deret waktu non stasioner. Saya melihat beberapa artikel jurnal dan saya masih bingung tentang cara kerjanya http://research.economics.unsw.edu.au/jmorley/bn.pdf

8 time-series 

Saya memiliki dataset yang berisi beberapa ratus transaksi dari tiga pemasok yang beroperasi di 100+ negara selama periode tiga tahun. Kami telah menemukan bahwa negara penjualan bukan merupakan faktor penting dalam harga yang dicapai (produknya adalah komoditas global yang kurang lebih). Semua harga telah menurun secara signifikan dari waktu ke …

8 r  time-series  multiple-regression 

Proses ARMA (p, q) lemah stasioner, jika akar bagian AR-nya tidak ada di lingkaran unit. Jadi stasioneritasnya yang lemah tidak tergantung pada bagian MA-nya. Tetapi apa yang bisa disiratkan oleh posisi-posisi akar dari bagian MA-nya? Dalam tes unit root untuk ARIMA, unit root dari polinomial MA menunjukkan bahwa data terlalu …

8 time-series  unit-root  moving-average 

Saya memiliki satu set data cuaca harian, yang memiliki, efek musiman sangat kuat, tidak mengejutkan. Saya mengadaptasi model ARIMA ke kumpulan data ini menggunakan fungsi auto.arima dari paket perkiraan. Yang mengejutkan saya, fungsi ini tidak menerapkan operasi musiman - perbedaan musiman, komponen musiman atau komponen. Berikut adalah model yang diperkirakan: …

8 r  time-series  forecasting  arima  arma 

Dalam peramalan deret waktu menggunakan berbagai model seperti AR, MA, ARMA, dll, kami biasanya fokus pada pemodelan data dalam perubahan waktu. Tetapi ketika kita memiliki 2 seri waktu yang menunjukkan koefisien korelasi Pearson mereka sangat berkorelasi, apakah mungkin untuk memodelkan nilai ketergantungan dan perkiraan mereka satu dari yang lain? Misalnya, …

8 time-series  correlation  forecasting  var