Statistiche e Big Data time-series

3

Distinzione concettuale tra eteroscedasticità e non stazionarietà

Ho difficoltà a distinguere tra i concetti di scedasticità e stazionarietà. A quanto ho capito, l'eteroscedasticità è una variabilità differenziata nelle sottopopolazioni e la non stazionarietà è una media / varianza che cambia nel tempo. Se questa è una comprensione corretta (sebbene semplicistica), la non stazionarietà è semplicemente un caso …

9 time-series heteroscedasticity stationarity intuition

2

Come si usa il livellamento esponenziale semplice in R?

Sono principiante in R, potresti spiegare come usare ses nel pacchetto di previsione di previsione R ? Vorrei scegliere il numero di periodi iniziali e la costante di livellamento. 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) Ho 70 periodi, mi piacerebbe usare 40 periodi per l'iniziale e 30 per quelli fuori campione. ses(d, h=30, …

9 r time-series forecasting

1

Come confrontare gli eventi osservati con quelli previsti?

Supponiamo di avere un campione di frequenze di 4 possibili eventi: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e ho le probabilità attese dei miei eventi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la somma delle frequenze osservate dei …

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

3

Quale modello può essere utilizzato in caso di violazione dell'assunzione di varianza costante?

Dal momento che non possiamo adattarci al modello ARIMA quando viene violata l'assunzione di varianza costante, quale modello può essere utilizzato per adattarsi alle serie temporali univariate?

9 time-series modeling forecasting arima

4

Come adattare un modello per una serie storica che contiene valori anomali

Ho montato il modello ARIMA (5,1,2) usando la auto.arima()funzione in R e osservando l'ordine possiamo dire che questo non è il modello migliore da prevedere. Se nelle serie di dati esistono valori anomali, qual è il metodo per adattare un modello a tali dati?

9 r time-series forecasting outliers arima

2

Bootstrap parametrico, semiparametrico e non parametrico per modelli misti

I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto. Codice R Ecco il mio Rcodice: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

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

1

Quale modello per un set di dati impegnativo? (centinaia di serie storiche con molti annidamenti)

Ho un set di dati piuttosto complicato da analizzare e non riesco a trovare una buona soluzione per questo. Ecco la cosa: 1. i dati grezzi sono essenzialmente registrazioni di canzoni di insetti. Ogni canzone è composta da più raffiche e ogni raffica è composta da sottounità. Tutti gli individui …

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

3

Selezione spline df in un problema di modello Poisson additivo generale

Ho adattato alcuni dati di serie temporali utilizzando un modello di additivo generale di Poisson utilizzando SAS PROC GAM. In generale, la procedura di convalida incrociata generalizzata incorporata genera almeno un "punto di partenza" decente per la mia singola spline, che è una funzione non lineare del tempo insieme a …

9 time-series sas splines gam

1

Crescita mensile su base destagionalizzata con stagionalità settimanale sottostante

Come hobby secondario, ho esplorato le serie temporali di previsione (in particolare, usando R). Per i miei dati, ho il numero di visite al giorno, per ogni giorno che risale a quasi 4 anni fa. In questi dati ci sono alcuni schemi distinti: Dal lunedì al venerdì ci sono molte …

9 r time-series seasonality forecasting

4

Come gestire le lacune / NaN nei dati delle serie temporali quando si utilizza Matlab per autocorrelazione e reti neurali?

Ho una serie temporale di misurazioni (altezze-una serie dimensionale). Nel periodo di osservazione, il processo di misurazione è andato giù per alcuni punti temporali. Quindi i dati risultanti sono un vettore con NaN in cui vi erano lacune nei dati. Usando MATLAB, questo mi sta causando un problema durante il …

9 time-series dataset matlab autocorrelation missing-data

1

Come combinare le previsioni quando la variabile di risposta nei modelli di previsione era diversa?

introduzione Nella combinazione di previsioni una delle soluzioni più diffuse si basa sull'applicazione di alcuni criteri informativi. Prendendo ad esempio il criterio Akaike stimato per il modello , si potrebbero calcolare le differenze di da e quindi RP_j = e ^ {(AIC ^ * - AIC_j) / 2} potrebbe essere …

9 time-series forecasting data-transformation econometrics

2

Posso fidarmi di una regressione se le variabili sono autocorrelate?

Entrambe le variabili (dipendenti e indipendenti) mostrano effetti di autocorrelazione. I dati sono serie temporali e stazionarie Quando corro, i residui della regressione sembrano non essere correlati. La mia statistica di Durbin-Watson è maggiore del valore critico superiore, quindi è provato che i termini di errore non sono correlati positivamente. …

9 regression time-series autocorrelation

1

Calcolo manuale PACF

Sto cercando di replicare il calcolo che SAS e SPSS fanno per la funzione di autocorrelazione parziale (PACF). In SAS è prodotto attraverso Proc Arima. I valori PACF sono i coefficienti di un'autoregressione della serie di interesse sui valori ritardati della serie. La mia variabile di interesse sono le vendite, …

9 time-series autocorrelation partial

2

Metodi allo stato dell'arte per trovare zero parti medie di una serie storica

Ho serie temporali rumorose che devo segmentare in quelle porzioni con una media zero e quelle porzioni senza una media zero. È importante trovare i confini il più accuratamente possibile (chiaramente dove il confine si trova esattamente è un po 'soggettivo). Penso che una variante di cusum possa essere adattata …

9 time-series classification mean change-point

2

VAR è un MANOVA con regressione automatica?

Quali sono le differenze tra VAR (regressione automatica vettoriale) e MANOVA?

9 time-series manova autoregressive

Domande taggate «time-series»