Perguntas com a marcação «stationarity»

Estou tendo problemas para distinguir entre os conceitos de ceticismo e estacionariedade. Pelo que entendi, a heterocedasticidade é uma variabilidade variada nas subpopulações e a não estacionariedade é uma mudança / média / variação ao longo do tempo. Se esse é um entendimento correto (embora simplista), a não estacionariedade é …

9 time-series  heteroscedasticity  stationarity  intuition 

Considere um processo aleatório para o qual a média existe e seja constante, para todos os momentos , ou seja, para todos os tempos turnos do tempo (ou "atrasos") . Não imponho condições adicionais a momentos mais altos nem à função de distribuição. Como posso descrever esse processo? É apenas …

9 time-series  terminology  stationarity  stochastic-processes 

Por exemplo: Quero prever valores futuros de uma série temporal com base em valores anteriores de várias séries temporais 'usando uma ANN e / ou SVM. As entradas terão valores defasados ​​em cada série temporal e os resultados serão previsões um passo à frente (previsões com horizontes adicionais serão feitas …

9 time-series  machine-learning  stationarity  prediction 

Eu sei que transformações lineares de séries temporais decorrentes de processos estacionários (fracamente) também são estacionárias. Isso é verdade, no entanto, para uma transformação de uma série, usando também o valor absoluto de cada elemento? Em outras palavras, se está estacionário, então estacionário?{xi,i∈N}{xi,i∈N}\{x_i,i\in\mathbb{N}\}{|xi|,i∈N}{|xi|,i∈N}\{|x_i|,i\in\mathbb{N}\}

8 time-series  data-transformation  stationarity 

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 

Não consigo entender essa propriedade de séries estacionárias e a função de autocorrelação. Eu tenho que provar isso ∑h = 1n - 1ρ^( h ) = - 12∑h=1n-1ρ^(h)=-12\begin{align} \sum_{h=1}^{n-1}\hat\rho(h)=-\frac{1}{2} \end{align} Onde e é a função de autocovariânciaγ(h)ρ^(h)=γ^( H )γ^( 0 )ρ^(h)=γ^(h)γ^(0 0)\hat\rho(h)=\displaystyle\frac{\hat\gamma(h)}{\hat\gamma(0)}γ^( H )γ^(h)\hat\gamma(h) γ^( h ) = 1n∑t = …

8 time-series  autocorrelation  stationarity 

Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis ​​(id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly spendé a …

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 

Estou examinando capturas de roedores em seis grades permanentes de captura de roedores medindo 150 x 150 metros e consistindo em 121 estações de captura espaçadas uniformemente a 15 metros. Existem seis grades de captura no local do estudo com tamanho <1000 hectares. Gostaria de interpolar os dados de captura …

8 spatial  interpolation  geostatistics  stationarity 

Eu sei o que é um campo gaussiano. No entanto, não tenho muita certeza do que se entende por estacionário. Eu já vi essa coisa estacionária em muitos lugares, como processos autorregressivos estacionários etc., mas na verdade não sei o que se entende por estacionária.

8 gaussian-process  stationarity 

Na minha aula de econometria, meu professor definiu uma série temporal estacionária assim: "Falando livremente, uma série temporal é estacionária se suas propriedades estocassiticas e sua estrutura de dependência temporal não mudarem ao longo do tempo". Estou confuso sobre o que alguns exemplos seriam. A temperatura ao longo dos anos …

7 time-series  stationarity 

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