Perguntas com a marcação «autoregressive»

Quais são as diferenças entre VAR (regressão automática de vetor) e MANOVA?

9 time-series  manova  autoregressive 

Frequentemente, na literatura, os autores têm se interessado em encontrar a distribuição estacionária de um processo de série temporal. Por exemplo, considere o seguinte processo simples AR ( ) : que .{ X t } X t = α X t - 1 + e t , e t i …

8 distributions  markov-process  stationarity  autoregressive  intuition 

Eu quero gerar uma série temporal sintética. A série temporal precisa ser uma cadeia de markov com uma distribuição marginal gama e um parâmetro AR (1) de ρρ\rho . Posso fazer isso simplesmente usando uma distribuição gama como termo de ruído em um modelo AR (1) ou preciso usar uma …

8 time-series  markov-process  gamma-distribution  autoregressive 

O processo AR (1) é Xt=ϕXt−1+εtXt=ϕXt−1+εt X_t = \phi X_{t-1} + \varepsilon_t se usarmos essa fórmula recursivamente, obteremos Xt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−jXt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−j X_t = \phi(\phi X_{t-2} + \varepsilon_{t-1}) + \varepsilon_t = \phi^2X_{t-2} + \phi\varepsilon_{t-1} + \varepsilon_t = \cdots = \phi^k X_{t-k} + \sum_{j=0}^k \phi^j\varepsilon_{t-j} Se deixarmos k→∞k→∞k\to\infty , obteremos Xt=limk→∞(ϕkXt−k+∑j=0kϕjεt−j)=limk→∞(ϕkXt−k)+∑j=0∞ϕjεt−jXt=limk→∞(ϕkXt−k+∑j=0kϕjεt−j)=limk→∞(ϕkXt−k)+∑j=0∞ϕjεt−j X_t = \lim_{k\to\infty}(\phi^k …

7 time-series  mathematical-statistics  autoregressive  moving-average 

Recentemente, li um artigo em que em uma série temporal os dados foram modelados de acordo com a equação O OLS foi usado aqui (com o comando em R) para obter o coeficiente de . Está estatisticamente correto?Yt=β1Yt−1+β2X+ε.Yt=β1Yt−1+β2X+ε. Y_t=\beta_1 Y_{t−1}+\beta_2X+\varepsilon. lm()Yt−1Yt−1Y_{t-1} Entendo que quando lidamos com dados de séries temporais, …

7 regression  time-series  least-squares  autoregressive 

Considere um processo estocástico seguindo o modelo que .{Xt,t=1,2,…}{Xt,t=1,2,…}\{X_t, t = 1, 2, \ldots\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t,et∼fet∼fe_t \thicksim f Posso dizer que a distribuição do ponto inicial, , é a mesma que ?X1X1X_1fff Posso dizer que a densidade marginal estacionária, se existir, de é igual a ?{Xt}{Xt}\{X_t\}X2(=DαX1+e2)X2(=DαX1+e2)X_2 (\stackrel{D}{=}\alpha …

6 pdf  markov-process  stationarity  autoregressive  marginal