Eine Reihe mit Drift kann modelliert werden als yt= c + ϕ yt - 1+ εtyt=c+ϕyt- -1+εty_t = c + \phi y_{t-1} + \varepsilon_t wobei ccc die Drift (Konstante) ist und ϕ = 1ϕ=1\phi=1 . Eine Reihe mit Trend kann modelliert werden als yt= c + δt + ϕ yt - 1+ εtyt=c+δt+ϕyt- -1+εty_t = c + \delta t + \phi...
Ein Prozess ist streng stationär, wenn die gemeinsame Verteilung von der gemeinsamen Verteilung von X_ {t_1 + k}, X_ {t_2 + k} entspricht , ..., X_ {t_m + k} für alle m , für alle k und für alle t_1, t_2, ..., t_m .X t 1 , X t 2 , . . . , X t m X t 1 + k , X t 2 + k , . . . , X t m + k m k t 1 , t...
Hat jemand ein schönes Beispiel für einen stochastischen Prozess, der stationär 2. Ordnung ist, aber nicht streng
Ich arbeite mit einer multivariaten Zeitreihe und verwende das VAR-Modell (Vector Autoregression) für die Vorhersage. Meine Frage ist, was Stationarität in einem multivariaten Rahmen eigentlich bedeutet. 1) Ich weiß, dass, wenn im VAR-Setup die Determinante der Inversen der | IA | -Matrix...
Wenn ich eine Zeitreihe mit Saisonalität habe, macht das die Serie dann automatisch nicht stationär? Meine Intuition (wahrscheinlich aus) ist, dass dies nicht der Fall ist. Saisonalität bedeutet, dass die Serie um einen konstanten Wert herum auf und ab geht ... so etwas wie eine Sinuswelle. Nach...
Manchmal muss eine Zeitserie differenziert werden, um stationär zu sein. Ich verstehe jedoch nicht, wie eine Differenzierung zweiter Ordnung dazu beitragen kann, sie stationär zu machen, wenn eine Differenzierung erster Ordnung nicht ausreicht. Können Sie eine intuitive Erklärung für die...
Ich lese ein Beispiel aus dem Buch Maschinelles Lernen für Hacker . Ich werde zuerst auf das Beispiel eingehen und dann über meine Frage sprechen. Beispiel : Nimmt einen Datensatz für 10 Jahre mit 25 Aktienkursen. Läuft PCA auf den 25 Aktienkursen. Vergleicht die Hauptkomponente mit dem Dow Jones...
Frage 1: Gibt es gemeinsame oder akzeptierte Methoden für den Umgang mit instationären Umgebungen beim Reinforcement-Lernen im Allgemeinen? F2: In meiner Gridworld ändert sich die Belohnungsfunktion, wenn ein Staat besucht wird. In jeder Episode werden die Belohnungen auf den Ausgangszustand...
Ich habe eine Lösung gefunden, die besagt, dass wenn das Quadrat einer Zeitreihe stationär ist, auch die ursprüngliche Zeitreihe und umgekehrt. Wie auch immer ich es nicht beweisen kann, hat jemand eine Idee, ob dies wahr ist und wie es abgeleitet werden
Ich verwende die VAR-Bibliothek für Python-Statistikmodelle, um finanzielle Zeitreihendaten zu modellieren, und einige Ergebnisse haben mich verwirrt. Ich weiß, dass VAR-Modelle davon ausgehen, dass die Zeitreihendaten stationär sind. Ich habe versehentlich eine instationäre Reihe von Log-Preisen...
Zum Beispiel: Ich möchte zukünftige Werte einer Zeitreihe basierend auf früheren Werten mehrerer Zeitreihen unter Verwendung einer ANN und / oder SVM vorhersagen. Eingaben sind verzögerte Werte aus jeder Zeitreihe, und die Ausgaben sind Prognosen mit einem Schritt voraus (Prognosen mit weiteren...
Betrachten Sie einen zufälligen Prozess für den der Mittelwert existiert und für alle Zeiten konstant ist , dh für alle Zeiten und Zeitverschiebungen (oder "Verzögerungen") . Ich lege weder höheren Momenten noch der Verteilungsfunktion weitere Bedingungen auf. Wie kann ich einen solchen Prozess...
Ich habe Probleme, zwischen den Konzepten der Skedastizität und der Stationarität zu unterscheiden. Nach meinem Verständnis ist die Heteroskedastizität eine unterschiedliche Variabilität in Subpopulationen, und die Nichtstationarität ist ein sich im Laufe der Zeit ändernder Mittelwert /...
Mit "stationär" meine ich "schwach stationär". Betrachten Sie eine "stationäre" AR (1) -Gleichung: Xt=φXt−1+εt,Xt=φXt−1+εt,X_t=\varphi X_{t-1}+\varepsilon_t, wobei diskrete Zeitmomente sind, ein null-mittleres weißes Rauschen (nur eine iid-Sequenz), . Es ist bekannt, dass es eine stationäre Lösung...
Ich weiß, dass lineare Transformationen von Zeitreihen, die sich aus (schwach) stationären Prozessen ergeben, ebenfalls stationär sind. Gilt dies jedoch für eine Transformation einer Reihe, indem auch der Absolutwert jedes Elements verwendet wird? Mit anderen Worten, wenn { xich, i ∈ N...
Ich kann mich nicht mit dieser Eigenschaft stationärer Reihen und der Autokorrelationsfunktion auseinandersetzen. Das muss ich beweisen ∑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} Wobei und die Autokovarianzfunktion...
Ich weiß, was ein Gaußsches Feld ist. Ich bin mir jedoch nicht ganz sicher, was unter stationär zu verstehen ist. Ich habe dieses stationäre Ding an vielen Orten wie stationären autoregressiven Prozessen usw. gesehen, weiß aber nicht wirklich, was unter stationär zu verstehen...
Für mein aktuelles Projekt muss ich möglicherweise ein Modell erstellen, um das Verhalten einer bestimmten Personengruppe vorherzusagen. Der Trainingsdatensatz enthält nur 6 Variablen (ID dient nur zu Identifikationszwecken): id, age, income, gender, job category, monthly spend in dem monthly...
Ich untersuche Nagetierfänge auf sechs permanenten Nagetierfanggittern mit einer Größe von 150 x 150 Metern, die aus 121 Fangstationen bestehen, die gleichmäßig 15 Meter voneinander entfernt sind. Auf dem Untersuchungsgebiet gibt es sechs solcher Fanggitter mit einer Größe von <1000 Hektar. Ich...
In der Literatur waren Autoren häufig daran interessiert, die stationäre Verteilung eines Zeitreihenprozesses zu finden. Betrachten Sie beispielsweise den folgenden einfachen AR ( ) -Prozess : wobei .111{Xt}{Xt}\{X_t\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t,