Perguntas com a marcação «time-series»

Suponha que eu tenha um pouco mais de 20.000 séries temporais mensais que vão de jan'05 a dez'11. Cada um deles representa dados de vendas globais para um produto diferente. E se, em vez de calcular previsões para cada um deles, eu quisesse focar apenas em um pequeno número de …

11 time-series  forecasting  forecastability 

Atualmente, uso o seguinte processo para inicializar uma série temporal multivariada no R: Determinar tamanhos de bloco - execute a função b.starno nppacote que produz um tamanho de bloco para cada série Selecione o tamanho máximo do bloco Execute tsbootem qualquer série usando o tamanho de bloco selecionado Use o …

11 r  time-series  multivariate-analysis  bootstrap 

Eu adaptei os modelos ARIMA às séries temporais originais, e o melhor modelo é o ARIMA (1,1,0). Agora eu quero simular a série desse modelo. Escrevi o modelo simples AR (1), mas não conseguia entender como ajustar a diferença no modelo ARI (1,1,0). O seguinte código R para a série …

11 r  time-series  arima 

Estou tentando entender por que o OLS fornece um estimador tendencioso de um processo AR (1). Considere Nesse modelo, a exogeneidade estrita é violada, ou seja, e estão correlacionados, mas e não são correlacionados. Mas se isso for verdade, por que a derivação simples a seguir não se aplica? ytεtyt-1εtPlim …

11 time-series  least-squares  bias  autoregressive  estimators 

Minha pergunta é sobre a diferença conceitual entre Holt-Winters e ARIMA. Pelo que entendi, Holt-Winters é um caso especial do ARIMA. Mas quando um algoritmo é preferido em relação ao outro? Talvez Holt-Winters seja incremental e, portanto, sirva como um algoritmo em linha (mais rápido)? Ansioso por algumas dicas aqui.

11 time-series  arima  exponential-smoothing 

Considere um modelo AR ( ) (assumindo média zero por simplicidade):ppp xt= φ1 1xt - 1+ … + Φpxt - p+ εtxt=φ1 1xt-1 1+…+φpxt-p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t O estimador OLS (equivalente ao estimador condicional de verossimilhança máxima) para é conhecido por ser …

11 time-series  maximum-likelihood  autoregressive  unbiased-estimator 

Eu tenho uma série temporal e gostaria de modelá-la como um processo ARFIMA (também conhecido como FARIMA). Se estiver integrado na ordem (fracionária) , eu gostaria de diferenciá-la fracionariamente para torná-la estacionária.ytyty_tytyty_tddd Pergunta : a fórmula a seguir está definindo a diferença fracionária correta? Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...\Delta^d y_t := y_t - d …

11 time-series  arima  arfima 

Eu li que o uso do quadrado R para séries temporais não é apropriado porque, em um contexto de série temporal (eu sei que existem outros contextos), o quadrado R não é mais exclusivo. Por que é isso? Tentei procurar isso, mas não encontrei nada. Normalmente, não dou muito valor …

11 regression  time-series  r-squared 

Eu tenho duas séries temporais de dados diários. Um é sign-upse o outro terminationsde assinaturas. Eu gostaria de prever o último usando as informações contidas nas duas variáveis. Observando o gráfico dessas séries, é óbvio que as terminações estão correlacionadas com os múltiplos de inscrições nos meses anteriores. Ou seja, …

11 r  time-series  seasonality  var 

Estamos tentando criar valores aleatórios correlacionados automaticamente que serão usados ​​como séries temporais. Não temos dados existentes a que nos referimos e queremos apenas criar o vetor do zero. Por um lado, é claro que precisamos de um processo aleatório com distribuição e seu SD. Por outro lado, a autocorrelação …

11 r  time-series  random-variable  autocorrelation  lags 

Tendo trabalhado principalmente com dados transversais até agora e navegando muito recentemente, explorando uma série de publicações introdutórias sobre séries temporais, imagino qual o papel das variáveis ​​explicativas na análise de séries temporais. Eu gostaria de explicar uma tendência em vez de diminuir a tendência. A maior parte do que …

11 r  time-series  multivariate-analysis 

Eu tenho os seguintes dados de séries temporais: index Time value_1 value_2 value_3 0 2016-04-01 06:00:10 1 5 2 1 2016-04-01 06:00:20 2 9 8 2 2016-04-01 06:00:30 3 5 1 3 2016-04-01 06:00:40 4 4 4 4 2016-04-01 06:00:50 3 4 5 6 2016-04-01 06:01:00 4 3 2 Esta …

11 time-series  multivariate-analysis  definition  differences 

Gostaria de calcular alguma medida de volatilidade ou ruído para dados de séries temporais estacionárias. Pode ser uma medida para uma única série temporal ou uma medida relativa que compara várias séries temporais juntas. Vamos supor que um teste Dickey-Fuller já tenha sido realizado e todas as séries temporais não …

11 time-series  variance  forecasting  volatility-forecasting 

Estou tentando encontrar uma maneira de corrigir os valores discrepantes quando os encontrar / detectar nos dados de séries temporais. Alguns métodos, como o nnetar no R, apresentam alguns erros para séries temporais com valores extremos grandes / grandes. Já consegui corrigir os valores ausentes, mas os valores discrepantes ainda …

10 time-series  forecasting  outliers  winsorizing 

Gostaria de decompor os seguintes dados de séries temporais em componentes sazonais, de tendência e residuais. Os dados são um perfil de energia de refrigeração a cada hora de um edifício comercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Portanto, existem efeitos sazonais diários e semanais óbvios, com base nos conselhos …

10 r  time-series  forecasting  multiple-seasonalities  tbats