Perguntas com a marcação «time-series»

Estou procurando entender isso de uma perspectiva gerencial. Por exemplo, se eu estivesse explicando a regressão linear, diria que é uma linha de melhor ajuste através de alguns pontos de dados e pode ser usada para prever um valor "y" para um determinado valor de "x". Existe uma explicação análoga …

8 time-series  var 

Aqui está uma consulta correlata recente do Google: http://www.google.com/trends/correlate/search?e=internet+usage&t=weekly# Como você pode ver na caixa de pesquisa desse link, digitei "uso da Internet" e o Google fez o resto. Ele mostra um valor de 0,9298 como a "correlação" com a consulta "mineração de dados". No entanto, quando leio a página …

8 time-series  correlation 

Eu estou familiarizado com a validação cruzada "regular", mas agora quero fazer previsões de séries temporais enquanto estiver usando a validação cruzada com uma função de regressão linear simples. Escrevo um exemplo simples, para ajudar a esclarecer minhas duas perguntas: uma sobre a divisão trem / teste, uma pergunta sobre …

8 machine-learning  time-series  forecasting  cross-validation  lags 

Estou apresentando alguns gráficos do ACF e PACF aos colegas. Eu posso explicar como interpretar os gráficos e como determinar p e q com base na aparência dos gráficos, mas não consigo encontrar uma explicação intuitiva simples do que realmente significa um gráfico PACF. Eu li a explicação aqui, mas …

8 time-series  forecasting  intuition 

Estou enfrentando uma distribuição posterior em um aplicativo MCMC que visa amostrar uma variável não observável dada uma série observada .x={xt}Tt=0x={xt}t=0Tx=\{x_t\}_{t=0}^{T}y={yt}Tt=0y={yt}t=0Ty=\{y_t\}^T_{t=0} No entanto, os posteriores condicionais são lidos como com sendo um vetor de parâmetros estruturais adicionais. De acordo com meu entendimento, isso seria um problema de suavização, pois o …

8 time-series  bayesian  smoothing  filter 

Estou usando um método de mínimos quadrados não linear para ajustar uma função analítica a alguns dados experimentais. Eu tenho que fornecer alguns valores iniciais de adivinhação para o algoritmo, então estou tentando descobrir como fazer isso automaticamente (em vez de a olho nu, que é o que tenho feito). …

8 time-series  variance 

Estou coletando um grupo de seqüências de tempo multivariadas. Por exemplo, existem 2000 séries temporais. Cada série temporal é de 12 dimensões. Existem modelos / algoritmos sistemáticos que podem agrupar séries temporais multivariadas? Por exemplo, gostaria de identificar algumas séries temporais muito diferentes das outras. Além disso, para o monitoramento …

8 machine-learning  time-series  clustering  multivariate-analysis  sequential-pattern-mining 

Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 3 anos . Os dados que consistem em 30 valores são armazenados em uma série temporal time. Após …

8 r  time-series  forecasting  arima 

Trabalho em sensores de qualidade do ar, vários dos quais são sensores de gás eletroquímico. Como pano de fundo, esses sensores são estimulados por um circuito potenciostático que aplica uma tensão de polarização e mede a corrente que flui através do sensor (normalmente na ordem dos nano-amperes). A quantidade de …

7 machine-learning  time-series  modeling 

Tenho uma série temporal um tanto barulhenta que paira em diferentes níveis. Por exemplo, os seguintes dados: Eu tenho os dados de linha sólida disponíveis e gostaria de obter uma estimativa para a linha tracejada. Deve ser constante por partes. Quais algoritmos são apropriados para testar aqui? Até agora, minhas …

7 r  time-series  smoothing 

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 

Problema Eu tenho dados de séries temporais gerados por uma máquina em dois períodos disjuntos de tempo - aproximadamente um mês em 2016 e outro mês em 2018. Os especialistas no domínio sugerem a hipótese de que a cada passo ttt, uma variável observada YtYtY^t pode ser explicado por outro …

7 time-series  hypothesis-testing  gaussian-process  model-comparison  structural-change 

Recentemente me deparei com Processos Gaussianos em Gelman et al. (2013), e estou tentando aprender mais sobre seu potencial aplicativo para uso na imputação de dados de séries temporais. Os dados de interesse são uma única série temporal variável da freqüência cardíaca de um indivíduo coletada usando um fotopletismograma (PPG; …

7 time-series  gaussian-process  data-imputation  stan 

Eu tenho uma pergunta sobre previsão. Estou construindo um modelo de inventário em torno de armazéns, onde todos os armazéns têm vários clientes / países atribuídos. Eu tenho dados de vendas para todos os países separadamente, para que eu possa executar minhas previsões nesses dados para obter uma previsão da …

7 time-series  forecasting  sum 

No modelo , quando os erros têm distribuição Normal, a distribuição incondicional de é Normal. Quando os erros têm uma distribuição t-student com graus de liberdade. Qual é a distribuição incondicional de ?Yt~ A R HA ( p , q)Yt∼UMARMUMA(p,q)Y_t\sim ARMA(p,q)YtYtY_tνν\nuYtYtY_t Então que .Yt=ϕ1 1Yt - 1+ ⋯ +ϕpYt - …

7 time-series  self-study  references  arima  t-distribution