Domande taggate «time-series»

Le serie temporali sono dati osservati nel tempo (in tempo continuo o in periodi di tempo discreti).


4
Come proiettare un nuovo vettore nello spazio PCA?
Dopo aver eseguito l'analisi dei componenti principali (PCA), voglio proiettare un nuovo vettore nello spazio PCA (ovvero trovare le sue coordinate nel sistema di coordinate PCA). Ho calcolato PCA in linguaggio R utilizzando prcomp. Ora dovrei essere in grado di moltiplicare il mio vettore per la matrice di rotazione PCA. …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

2
Come interpretare questi grafici acf e pacf
Di seguito sono riportati i grafici acf e pacf di una serie di dati mensile. La seconda trama è acf con ci.type = 'ma': La persistenza di valori elevati nel diagramma acf rappresenta probabilmente una tendenza positiva a lungo termine. La domanda è se questo rappresenta una variazione stagionale? Ho …


3
Test di significatività dei picchi nella densità spettrale
A volte utilizziamo il diagramma di densità spettrale per analizzare la periodicità in serie temporali. Normalmente analizziamo la trama mediante ispezione visiva e quindi proviamo a trarre una conclusione sulla periodicità. Ma gli statistici hanno sviluppato test per verificare se eventuali picchi nella trama sono statisticamente diversi dal rumore bianco? …


9
Quanti ritardi usare nel test Ljung-Box di una serie storica?
Dopo che un modello ARMA è stato adattato a una serie storica, è comune controllare i residui tramite il test portmanteau di Ljung-Box (tra gli altri test). Il test Ljung-Box restituisce un valore ap. Ha un parametro, h , che è il numero di ritardi da testare. Alcuni testi raccomandano …



3
Interpretazione del modello ARIMA
Ho una domanda sui modelli ARIMA. Diciamo che ho una serie temporale che vorrei prevedere e un modello sembra un buon modo per condurre l'esercizio di previsione. Ora la ritardo implica che la mia serie oggi è influenzata da eventi precedenti. Questo ha senso. Ma qual è l'interpretazione degli errori? …


3
Come utilizzare DLM con il filtro Kalman per le previsioni
Qualcuno potrebbe guidarmi attraverso un esempio su come utilizzare il filtro DLM Kalman in R in una serie temporale. Supponiamo di avere questi valori (valori trimestrali con stagionalità annuale); come useresti DLM per prevedere i valori successivi? E a proposito, ho abbastanza dati storici (qual è il minimo)? 89 2009Q1 …




Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.