In einem Großteil der Literatur, die ich studiere, ist es einer dieser Begriffe, die häufig vorkommen, ohne dass eine strenge Definition gefunden werden muss. Insbesondere wird mir gesagt: Für zeitindizierte Zufallsvariablen (RVs) wird das additive Zerlegungsmodell wie folgt angegeben{...
Ich verwende Dynamic Time Warping, um eine "Abfrage" - und eine "Vorlagen" -Kurve abzugleichen, und habe bisher vernünftigen Erfolg, aber ich habe einige grundlegende Fragen: Ich bewerte eine "Übereinstimmung", indem ich bewerte, ob das DTW-Ergebnis unter einem von mir heuristisch ermittelten...
Während ich mit ARIMA-Modellen in die Prognose einsteige, versuche ich zu verstehen, wie ich eine auf ARIMA basierende Prognose verbessern kann, die mit Saisonalität und Drift übereinstimmt. Meine Daten sind die folgenden Zeitreihen (über 3 Jahre, mit klarem Aufwärtstrend und sichtbarer...
Ich habe eine Reihe von Datenpunkten in dieser Form (Zeitstempel, Lat, Long) für eine Gruppe von Benutzern. Jeder Benutzer hat eine Flugbahn, wenn er von Punkt A nach Punkt B fährt. Es kann eine beliebige Anzahl von Punkten von A nach B geben. Es handelt sich um geordnete Datenpunkte basierend auf...
Ich habe ein dynamisches naives Bayes-Modell, das auf einigen zeitlichen Variablen trainiert ist. Die Ausgabe des Modells ist die Vorhersage von P(Event) @ t+1, geschätzt bei jedem t. Die Darstellung von P(Event)versus timeist wie in der folgenden Abbildung angegeben. In dieser Abbildung stellt die...
Frage : Ist der Aufbau unten eine sinnvolle Implementierung eines Hidden Markov-Modells? Ich habe einen Datensatz von 108,000Beobachtungen (über einen Zeitraum von 100 Tagen) und ungefähr 2000Ereignisse während der gesamten Beobachtungszeitspanne. Die Daten sehen wie in der folgenden Abbildung...
Ich habe viele Satelliten-Rasterbilder von verschiedenen Sensoren zur Verfügung. Von diesen haben die gröberen eine sehr reichliche zeitliche Auflösung. Die Raster mit mittlerer Auflösung haben tendenziell weniger Erwerbsdaten, es sind jedoch noch einige Informationen verfügbar. Die feineren...
Ich möchte ein DLM mit zeitlich variierenden Koeffizienten anpassen, dh eine Erweiterung der üblichen linearen Regression. yt= θ1+ θ2x2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 . Ich habe einen Prädiktor ( ) und eine Antwortvariable ( ), Meeres- und Binnenfischfang von 1950 bis 2011. Ich möchte, dass...
Ich habe viele Zeitreihen mit Zeiträumen: Tag, Woche oder Monat. Mit stl()Funktion oder mit loess(x ~ y)kann ich sehen, wie Trends bestimmter Zeitreihen aussehen. Ich muss feststellen, ob der Trend der Zeitreihen zunimmt oder abnimmt. Wie kann ich das schaffen? Ich habe versucht, lineare...
Meine Frage ist wirklich einfach, aber das sind diejenigen, die mich wirklich beschäftigen :) Ich weiß nicht wirklich, wie ich beurteilen soll, ob eine bestimmte Zeitreihe mit einer additiven oder einer multiplikativen Zerlegungsmethode zerlegt werden soll. Ich weiß, dass es visuelle Hinweise gibt,...
Angenommen, ich habe eine unbekannte Funktion mit Domäne ℝ , von der ich weiß, dass sie einige vernünftige Bedingungen wie Kontinuität erfüllt. Ich kenne die genauen Werte von f (weil die Daten aus einer Simulation stammen) an einigen äquidistanten Abtastpunkten t_i = t_0 + iΔt mit i∈ \ {1,…, n \}...
Wir verwenden STL (R-Implementierung) zur Vorhersage von Zeitreihendaten. Jeden Tag führen wir tägliche Prognosen durch. Wir möchten Prognosewerte mit realen Werten vergleichen und durchschnittliche Abweichungen ermitteln. Zum Beispiel haben wir Prognosen für morgen erstellt und Prognosepunkte...
Ich muss die Anomalieerkennung für mehrere Zeitreihendatensätze implementieren. Ich habe das noch nie gemacht und hoffte auf einen Rat. Ich bin mit Python sehr vertraut, daher würde ich es vorziehen, wenn die Lösung darin implementiert wird (der größte Teil meines Codes ist Python für andere Teile...
Nur weil ein Korrespondent eine interessante Frage zu Methoden zur Berechnung der Autokorrelation stellte, begann ich damit zu spielen, fast ohne Kenntnis von Zeitreihen und Autokorrelation. Der Korrespondent ordnete seine Daten ( Datenpunkte einer Zeitreihe) jeweils um eine Zeitverzögerung so an,...
Ich beschäftige mich mit ARIMA-Modellierung, die mit exogenen Variablen für Werbemodellierungszwecke erweitert wurde, und es fällt mir schwer, sie Geschäftsbenutzern zu erklären. In einigen Fällen erhalten Softwarepakete eine einfache Übertragungsfunktion, dh den Parameter * Exogene Variable. In...
Meine Rohdaten bestehen aus einer 60-Tage-Zeitreihe mit einem Abwärtstrend. Die Daten sind wöchentlich, daher wird die Frequenz auf 7 eingestellt. Ich habe die Differenz der Daten berechnet, die so aussieht Wenn ich ACF- und PACF-Diagramme über den Unterschied durchführe, erhalte ich scheinbar...
Ich benutze die decomposeFunktion in Rund überlege mir die 3 Komponenten meiner monatlichen Zeitreihen (Trend, Saison und Zufall). Wenn ich das Diagramm zeichne oder auf die Tabelle schaue, kann ich deutlich sehen, dass die Zeitreihe von der Saisonalität beeinflusst wird. Wenn ich jedoch die...
Ich lerne etwas über Regression. Ich habe einige Querschnittsregressionen durchgeführt, die in Ordnung sind. Ich habe kürzlich eine einfache Zeitreihenregression durchgeführt. Ich habe also ay & x Vektoren, die jeweils 1000 Beobachtungen enthalten. Ich habe eine einfache alte Regression in...
Ich möchte ein neuronales Netzwerk verwenden, um finanzielle Zeitreihen vorherzusagen. Ich komme aus einem IT-Umfeld und habe einige Kenntnisse über neuronale Netze. Ich habe darüber gelesen: TDNN RNN Ich habe nach R-Paketen für sie gesucht und nur eines für RNN gefunden, das RSNNS-Paket, das...
Ich habe ein Problem mit den Dickey-Fuller-p-Werten und der Teststatistik für den Einheitswurzeltest in R. Ich habe versucht, Funktionen zu verwenden: urca::ur.df() fUnitRoots::adfTest() tseries::adf.test() Alle zeigten unterschiedliche Ergebnisse für die gleichen Testeinstellungen (Verzögerung,...