Perguntas com a marcação «time-series»

Suponha que eu tenha alguma função desconhecida com domínio ℝ , que sei cumprir algumas condições razoáveis, como continuidade. Eu conheço os valores exatos de f (porque os dados provêm de uma simulação) em alguns pontos de amostragem equidistantes t_i = t_0 + iΔt com i∈ \ {1,…, n \} …

9 time-series  hypothesis-testing  exact-test 

Estamos usando STL (implementação R) para prever dados de séries temporais. Todos os dias executamos previsões diárias. Gostaríamos de comparar valores de previsão com valores reais e identificar o desvio médio. Por exemplo, executamos a previsão para amanhã e obtivemos pontos de previsão. Gostaríamos de comparar esses pontos de previsão …

9 time-series  forecasting  accuracy 

Minha pergunta é bem simples, mas essas são as que realmente me impressionam :) Não sei como avaliar se uma série temporal específica deve ser decomposta usando um método de decomposição aditiva ou multiplicativa. Eu sei que existem pistas visuais para diferenciá-las umas das outras, mas não as entendo. Tomemos, …

9 time-series  mathematical-statistics  variance-decomposition 

Tenho muitas séries temporais com períodos: dia, semana ou mês. Com stl()função ou com loess(x ~ y), posso ver como são as tendências de determinadas séries temporais. Preciso detectar se a tendência das séries temporais está aumentando ou diminuindo. Como posso gerenciar isso? Tentei calcular coeficientes de regressão linear lm(x …

9 r  time-series  trend 

Quero ajustar um DLM com coeficientes variáveis ​​no tempo, ou seja, uma extensão da regressão linear usual, yt=θ1 1+θ2x2yt=θ1 1+θ2x2y_t = \theta_1 + \theta_2x_2 . Eu tenho um preditor ( ) e uma variável de resposta ( ), capturas anuais de peixes no mar e no interior, respectivamente, de 1950 …

9 r  regression  time-series  dlm  dynamic-regression 

Eu tenho muitas imagens de varredura de satélite disponíveis em diferentes sensores. Destes, os mais grossos têm uma resolução temporal muito abundante. Os rasters de média resolução tendem a ter menos datas de aquisição, mas ainda existe algum grau de informação disponível. As de resolução mais fina têm uma resolução …

9 time-series  machine-learning  predictive-models  multivariate-regression 

Pergunta : A configuração abaixo é uma implementação sensata de um modelo Hidden Markov? Eu tenho um conjunto de dados de 108,000observações (realizadas ao longo de 100 dias) e aproximadamente 2000eventos ao longo de todo o período de observação. Os dados se parecem com a figura abaixo, onde a variável …

9 time-series  machine-learning  predictive-models  markov-chain  hidden-markov-model 

Eu tenho um modelo dinâmico ingênuo de Bayes treinado em algumas variáveis ​​temporais. A saída do modelo é a previsão de P(Event) @ t+1, estimada em cada um t. O gráfico de P(Event)versus timeé como mostrado na figura abaixo. Nesta figura, a linha preta representa P(Event)como previsto pelo meu modelo; …

9 time-series  probability  prediction  model-comparison  model-evaluation 

enquanto passo para a previsão com os modelos ARIMA, estou tentando entender como posso melhorar uma previsão com base no ajuste do ARIMA à sazonalidade e à deriva. Meus dados são as seguintes séries temporais (mais de 3 anos, com clara tendência ascendente e sazonalidade visível, o que parece não …

9 r  time-series  forecasting  arima  seasonality 

Estou usando o Dynamic Time Warping para corresponder a uma curva de "consulta" e "modelo" e obtendo sucesso razoável até o momento, mas tenho algumas perguntas básicas: Estou avaliando uma "correspondência" avaliando se o resultado da DTW é menor que algum valor limite que eu mostro heuristicamente. Essa é a …

9 time-series  normalization  functional-data-analysis 

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 

Eu sou iniciante em R. Você poderia explicar como usar ses no pacote de previsão de previsão R ? Eu gostaria de escolher o número de períodos iniciais e a constante de suavização. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) Tenho 70 períodos, gostaria de usar 40 períodos para o inicial e 30 para …

9 r  time-series  forecasting 

Suponha que eu tenha uma amostra de frequências de 4 eventos possíveis: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e tenho as probabilidades esperadas de meus eventos ocorrerem: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Com a soma das frequências …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Como não podemos ajustar o modelo ARIMA quando a suposição de variação constante é violada, qual modelo pode ser usado para ajustar séries temporais univariadas?

9 time-series  modeling  forecasting  arima 

Eu ajustei o modelo ARIMA (5,1,2) usando a auto.arima()função em R e, observando a ordem, podemos dizer que este não é o melhor modelo para prever. Se existirem outliers na série de dados, qual é o método para ajustar um modelo a esses dados?

9 r  time-series  forecasting  outliers  arima