Je cherchais récemment des moyens de rééchantillonner des séries chronologiques,
- Préserve approximativement l'auto-corrélation des longs processus de mémoire.
- Préserver le domaine des observations (par exemple une série temporelle rééchantillonnée d'entiers est toujours une série temporelle d'entiers).
- Peut affecter certaines échelles uniquement, si nécessaire.
J'ai trouvé le schéma de permutation suivant pour une série chronologique de longueur :
- Regroupez les séries chronologiques par paires d'observations consécutives (il existe ces casiers). Flip chacun d'entre eux ( ie index à partir
1:2
de2:1
) indépendamment avec probabilité . - Regroupez les séries chronologiques obtenues par observations consécutives (il y a ces casiers). Inverser chacun d'entre eux ( c. -à- index à partir
1:2:3:4
de4:3:2:1
) independelty avec une probabilité . - Répétez la procédure avec des bacs de taille , 16 , ..., 2 N - 1 inverser toujours les bacs avec une probabilité .
Cette conception était purement empirique et je recherche des travaux qui auraient déjà été publiés sur ce type de permutation. Je suis également ouvert aux suggestions d'autres permutations ou schémas de rééchantillonnage.
4:3:2:1