Als «state-space-models» getaggte Fragen

24

Wechseln Sie von der Modellierung eines Prozesses mit einer Poisson-Verteilung zur Verwendung einer negativen Binomialverteilung?

\newcommand{\P}{\mathbb{P}}Wir haben einen zufälligen Prozess, der in einem festgelegten Zeitraum mehrmals auftreten kann oder auch nicht . Wir haben einen Datenfeed von einem bereits existierenden Modell dieses Prozesses, der die Wahrscheinlichkeit für eine Anzahl von Ereignissen in der Periode...

24

Was sind die Eigenschaften einer halben Cauchy-Verteilung?

Ich arbeite derzeit an einem Problem, bei dem ich einen Markov-Ketten-Monte-Carlo- Algorithmus (MCMC) für ein Zustandsraummodell entwickeln muss. Um das Problem lösen zu können, wurde mir die folgende Wahrscheinlichkeit von : p ( ) = 2I ( > 0) / (1+ ). ist die Standardabweichung von .τ τ τ 2 τ...

distributions bayesian prior state-space-models cauchy

19

Wie interpretiere ich PCA für Zeitreihendaten?

Ich versuche, die Verwendung von PCA in einem kürzlich erschienenen Zeitschriftenartikel mit dem Titel "Mapping brain activity at scale with cluster computing" von Freeman et al., 2014 (kostenloses PDF auf der Laborwebsite verfügbar ) zu verstehen . Sie verwenden PCA für Zeitreihendaten und...

time-series pca state-space-models neuroimaging neuroscience

15

Wie kann man überprüfen, welches Modell in der Zustandsraum-Zeitreihenanalyse besser ist?

Ich mache eine Zeitreihendatenanalyse nach Zustandsraummethoden. Mit meinen Daten hat das stochastische Modell auf lokaler Ebene das deterministische Modell völlig übertroffen. Das deterministische Pegel- und Steigungsmodell liefert jedoch bessere Ergebnisse als mit dem stochastischen Pegel und der...

time-series state-space-models

12

Dynamische Faktoranalyse gegen Zustandsraummodell

Das MARSS-Paket in R bietet Funktionen für die dynamische Faktoranalyse. In diesem Paket wird das dynamische Faktormodell als spezielle Form des Zustandsraummodells geschrieben und es wird davon ausgegangen, dass die allgemeinen Trends dem AR (1) -Prozess folgen. Da ich mit diesen beiden Methoden...

r time-series forecasting factor-analysis state-space-models

12

Kriterien für die Auswahl des „besten“ Modells in einem Hidden-Markov-Modell

Ich habe einen Zeitreihendatensatz, an den ich ein Hidden Markov Model (HMM) anpasse, um die Anzahl der latenten Zustände in den Daten abzuschätzen. Mein Pseudocode dafür ist der folgende: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states =...

r aic hidden-markov-model bic spss manova time-series r lme4-nlme regression modeling negative-binomial bayesian bugs state-space-models hypothesis-testing data-transformation factor-analysis sem

11

Zustandsraumdarstellung von ARMA (p, q) aus Hamilton

r=max(p,q+1)r=max(p,q+1)r = \max(p,q+1)yt- μ= ϕ1( yt - 1- μ ) + ϕ2( yt - 2- μ ) + . . . +ϕ3( yt - 3- μ )+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1.yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1. \begin{aligned} y_t -\mu &= \phi_1(y_{t-1} -\mu) + \phi_2(y_{t-2} -\mu) + ... + \phi_3(y_{t-3} -\mu)...

time-series arima kalman-filter state-space-models

10

Kalman-Filter vs. Glättungskeile

F: Für welche Daten ist es geeignet, Zustandsraummodellierung und Kalman-Filterung zu verwenden, anstatt Splines zu glätten und umgekehrt? Gibt es eine Äquivalenzbeziehung zwischen den beiden? Ich versuche ein umfassendes Verständnis dafür zu bekommen, wie diese Methoden zusammenpassen. Ich habe...

kalman-filter splines state-space-models

10

Erklären von Kalman-Filtern in Zustandsraummodellen

Welche Schritte sind bei der Verwendung von Kalman-Filtern in Zustandsraummodellen erforderlich? Ich habe einige verschiedene Formulierungen gesehen, bin mir aber über die Details nicht sicher. Zum Beispiel beginnt Cowpertwait mit diesem Satz von Gleichungen: yt=F′tθt+vtyt=Ft′θt+vty_{t} =...

kalman-filter state-space-models

10

Identifizierbarkeit eines Zustandsraummodells (Dynamic Linear Model)

Nehmen Sie ein allgemeines lineares Gaußsches Zustandsraummodell (SSM) (auch bekannt als dynamisches lineares Modell DLM): Xt+1YVtWt=FXt+Vt=HXt+Wt∼N(0,Q)∼N(0,R)Xt+1=FXt+VtY=HXt+WtVt∼N(0,Q)Wt∼N(0,R)\begin{align} X_{t+1} &= FX_t + V_t \\ Y &= HX_t+W_t \\[10pt] V_t &\sim N(0,Q) \\ W_t &\sim N(0,R) \\...

time-series bayesian kalman-filter state-space-models identifiability

10

Warum wird die Vorhersage von ARMA-Modellen vom Kalman-Filter durchgeführt?

Welche Vorteile bietet es, ein ARMA-Modell als Zustandsraummodell auszudrücken und Prognosen mit einem Kalman-Filter durchzuführen? Diese Methode wird beispielsweise bei der SARIMAX-Implementierung von Python-Statistikmodellen

forecasting arma kalman-filter state-space-models statsmodels

8

Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung

Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008,...

normal-distribution data-transformation logistic generalized-linear-model ridge-regression t-test wilcoxon-signed-rank paired-data naive-bayes distributions logistic goodness-of-fit time-series eviews ecm panel-data reliability psychometrics validity cronbachs-alpha self-study random-variable expected-value median regression self-study multiple-regression linear-model forecasting prediction-interval normal-distribution excel bayesian multivariate-analysis modeling predictive-models canonical-correlation rbm time-series machine-learning neural-networks fishers-exact factorisation-theorem svm prediction linear reinforcement-learning cdf probability-inequalities ecdf time-series kalman-filter state-space-models dynamic-regression index-decomposition sampling stratification cluster-sample survey-sampling distributions maximum-likelihood gamma-distribution

8

Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen

Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der obigen Matrix die NA-Werte...

r missing-data data-imputation svd sampling matlab mcmc importance-sampling predictive-models prediction algorithms graphical-model graph-theory r regression regression-coefficients r-squared r regression modeling confounding residuals fitting glmm zero-inflation overdispersion optimization curve-fitting regression time-series order-statistics bayesian prior uninformative-prior probability discrete-data kolmogorov-smirnov r data-visualization histogram dimensionality-reduction classification clustering accuracy semi-supervised labeling state-space-models t-test biostatistics paired-comparisons paired-data bioinformatics regression logistic multiple-regression mixed-model random-effects-model neural-networks error-propagation numerical-integration time-series missing-data data-imputation probability self-study combinatorics survival cox-model statistical-significance wilcoxon-mann-whitney hypothesis-testing distributions normal-distribution variance t-distribution probability simulation random-walk diffusion hypothesis-testing z-test hypothesis-testing data-transformation lognormal r regression agreement-statistics classification svm mixed-model non-independent observational-study goodness-of-fit residuals confirmatory-factor neural-networks deep-learning