Recentemente, eu estava procurando maneiras de reamostrar séries temporais, de maneiras que
- Preserve aproximadamente a correlação automática de processos de memória longa.
- Preservar o domínio das observações (por exemplo, uma série temporal de números inteiros redefinida ainda é uma série temporal de números inteiros).
- Pode afetar apenas algumas escalas, se necessário.
Eu vim com o seguinte esquema de permutação para uma série temporal de comprimento :
- Classifique a série temporal por pares de observações consecutivas (existem caixas N - 1 ). Inverter cada uma delas ( ou seja, Índice de
1:2
a2:1
), independentemente, com probabilidade . - Classifique a série temporal obtida por observações consecutivas (três são caixas). Inverter cada uma delas ( ou seja, Índice de
1:2:3:4
a4:3:2:1
) independelty com probabilidade . - Repetir o processo com caixas de tamanho , , ..., sempre invertendo os recipientes com bico de probabilidade .
Esse design era puramente empírico e estou procurando um trabalho que já teria sido publicado sobre esse tipo de permutação. Também estou aberto a sugestões para outras permutações ou esquemas de reamostragem.
4:3:2:1