«time-series» 태그된 질문

1993 년부터 2015 년까지 월간 데이터를 얻었으며이 데이터에 대한 예측을하고 싶습니다. tsoutliers 패키지를 사용하여 특이 치를 감지했지만 내 데이터 세트로 어떻게 계속 예측하는지 모릅니다. 이것은 내 코드입니다. product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) 이것은 tsoutliers 패키지의 내 출력입니다. ARIMA(0,1,0)(0,0,1)[12] Coefficients: sma1 LS46 LS51 LS61 TC133 LS181 AO183 AO184 LS185 TC186 TC193 TC200 0.1700 0.4316 …

9 r  time-series  forecasting  arima  outliers 

이 decompose기능을 사용하고 R월별 시계열의 3 가지 구성 요소 (추세, 계절 및 랜덤)를 생각해 냈습니다. 차트를 작성하거나 표를 보면 시계열이 계절성에 영향을 받는다는 것을 분명히 알 수 있습니다. 그러나 시계열을 11 계절 더미 변수에 회귀하면 모든 계수가 통계적으로 유의하지 않으므로 계절성이 없음을 나타냅니다. 왜 내가 두 가지 매우 다른 결과를 …

9 r  regression  time-series 

일부 통신원이 자기 상관 계산 방법에 관해 흥미로운 의문을 제기했기 때문에 시계열과 자기 상관에 대한 지식이 거의없이이를 다루기 시작했습니다. 통신원은 자신의 데이터를 정리했습니다 (323232 시계열의 데이터 포인트)를 제외하고 각각 한 시간 지연 씩 이동하여 32 × 3232×3232\times32 첫 번째 행이 원래 데이터이고 두 번째 행이 데이터를 이동 한 데이터 (내가 …

9 time-series  pca 

나는 홍보 모델링 목적으로 외인성 변수로 증강 된 ARIMA 모델링을 사용하고 있으며 비즈니스 사용자에게 설명하기가 어렵습니다. 어떤 경우에는 소프트웨어 패키지가 간단한 전송 기능, 즉 파라미터 * 외인성 변수로 끝납니다. 이 경우 해석이 용이하다. 즉 판촉 활동 X (외인 이진 변수로 표시)는 Y 변수에 의해 종속 변수 (예 : 수요)에 영향을 …

9 time-series  data-visualization  forecasting  arima  causality 

도메인 과 함께 알려지지 않은 함수 가 있다고 가정 하면 연속성과 같은 합리적인 조건을 충족시키는 것으로 알고 있습니다. 나는의 정확한 값을 알 F를 일부 등거리 샘플링 지점에서 (데이터가 시뮬레이션에서 오기 때문에) t_i = t_0 + iΔt 와 i∈ {1, ..., n \} \ , 나는 모든 캡처 충분히 좋은 것으로 …

9 time-series  hypothesis-testing  exact-test 

시계열 데이터 예측에 STL (R 구현)을 사용하고 있습니다. 매일 우리는 매일 예측을 실행합니다. 예측 값을 실제 값과 비교하고 평균 편차를 식별하려고합니다. 예를 들어 내일에 대한 예측을 실행하고 예측 지점을 확보 한 후이 예측 지점을 내일 얻을 실제 데이터와 비교하려고합니다. 예측 값과 실제 데이터가 대부분 일치하지 않을 수 있다는 것을 알고 …

9 time-series  forecasting  accuracy 

내 질문은 정말 간단한 질문이지만 실제로 얻을 수있는 질문입니다.) 특정 시계열이 첨가제 또는 곱셈 분해 방법을 사용하여 분해되는지 여부를 평가하는 방법을 모르겠습니다. 나는 서로 떨어져 있다는 것을 알려주는 시각적 단서가 있지만 나는 그것을 얻지 못한다는 것을 알고 있습니다. 이 시계열을 예로 들어 보겠습니다. 어떻게 설명하겠습니까? 도움을 주셔서 감사합니다.

9 time-series  mathematical-statistics  variance-decomposition 

일, 주 또는 월과 같은 기간이 많은 시계열이 있습니다. stl()기능을 사용하거나 사용하면 loess(x ~ y)특정 시계열의 추세가 어떻게 보이는지 볼 수 있습니다. 시계열 추세가 증가 또는 감소하는지 감지해야합니다. 어떻게 관리 할 수 ​​있습니까? 나는 선형 회귀 계수를 계산 lm(x ~ y)하고 경사 계수로 재생 하려고했습니다 . ( If |slope|>2 and …

9 r  time-series  trend 

시변 계수, 즉 일반적인 선형 회귀에 대한 확장으로 DLM을 맞추고 싶습니다. yt=θ1+θ2x2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 입니다. 1950 ~ 2011 년에 각각 예측 변수 ( )와 반응 변수 ( ), 해양 및 내륙 연간 어획량이 있습니다. DLM 회귀 모델을 따르고 싶습니다.x2x2x_2ytyty_t yt=θt,1+θt,2xtyt=θt,1+θt,2xty_t = \theta_{t,1} + \theta_{t,2}x_t 시스템 진화 방정식은 θt=Gtθt−1θt=Gtθt−1\theta_t …

9 r  regression  time-series  dlm  dynamic-regression 

다른 센서에서 사용할 수있는 많은 위성 래스터 이미지가 있습니다. 이것들로부터, 더 거친 것들은 매우 풍부한 시간적 해상도를 갖는다. 중간 해상도 래스터는 수집 날짜가 적지 만 여전히 어느 정도의 정보를 사용할 수 있습니다. 더 정밀한 해상도는 2 년 미만에 2 ~ 6 개의 관측 된 날짜에 걸쳐 매우 낮은 시간 해상도를 …

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

질문 : 숨겨진 Markov 모델의 현명한 구현 아래 설정이 있습니까? 전체 관측 시간 동안 108,000관찰 한 데이터 세트 (100 일 동안 수행)와 대략적인 2000이벤트가 있습니다. 데이터는 아래 그림과 같이 관찰 된 변수가 3 개의 개별 값 취할 수 있고 빨간색 열은 이벤트 시간, 즉 강조 표시합니다 .[ 1 , 2 …

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

몇 가지 시간 변수에 대해 훈련 된 Dynamic Naive Bayes Model이 있습니다. 모델의 결과는 P(Event) @ t+1각각의 추정치 t입니다. P(Event)vs 의 도표는 time아래 그림에 나와 있습니다. 이 그림에서 검은 선 은 P(Event)내 모델에서 예측 한대로 나타냅니다 . 수평 적색 라인 이벤트 일어나는의 사전 확률을 나타내고; 그리고 점선 수직선은 시계열에 (오) …

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

ARIMA 모델을 사용하여 예측을 진행하면서 계절 성과 드리프트에 맞는 ARIMA를 기반으로 예측을 개선 할 수있는 방법을 이해하려고합니다. 내 데이터는 다음과 같은 시계열입니다 (3 년 동안 명확한 추세와 눈에 띄는 계절성이 있으며 지연 12, 24, 36에서 자기 상관으로 지원되지 않는 것 같습니다 ??). > bal2sum3years.ts Jan Feb Mar Apr May Jun …

9 r  time-series  forecasting  arima  seasonality 

동적 쿼리를 사용하여 "쿼리"및 "템플릿"곡선과 일치하고 지금까지 합리적인 성공을 거두고 있지만 몇 가지 기본적인 질문이 있습니다. DTW 결과가 경험적으로 나타나는 임계 값보다 작은 지 평가하여 "일치"를 평가하고 있습니다. 이것이 DTW를 사용하여 "일치"를 결정하는 일반적인 방법입니까? 그렇지 않은 경우 설명하십시오 ... (1)에 대한 대답이 "예"라고 가정하면 DTW 결과는 a) 곡선의 진폭 …

9 time-series  normalization  functional-data-analysis 

나는 scedasticity와 stationarity의 개념을 구별하는 데 어려움을 겪고 있습니다. 내가 이해하는 것처럼, 이분산성은 하위 인구의 다양성이 다르며 비정규 성은 시간이 지남에 따라 변화하는 평균 / 변화입니다. 이것이 올바른 (단순하지만) 이해라면, 정상이 아닌 것은 단순히 시간이 지남에 따라 이분산성의 특정 사례입니까?

9 time-series  heteroscedasticity  stationarity  intuition