Questions marquées «seasonality»

La saisonnalité fait référence à la fluctuation récurrente autour de la moyenne d'une série chronologique pour une période donnée, généralement une année civile.

3
Analyse quotidienne des séries chronologiques
J'essaie de faire une analyse des séries chronologiques et je suis nouveau dans ce domaine. J'ai un décompte quotidien d'un événement de 2006-2009 et je veux y adapter un modèle de série chronologique. Voici les progrès que j'ai réalisés: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) L'intrigue résultante que j'obtiens est: Afin de …
3
Auto.arima avec des données quotidiennes: comment capturer la saisonnalité / périodicité?
Je monte un modèle ARIMA sur une série temporelle quotidienne. Les données sont collectées quotidiennement du 02-01-2010 au 30-07-2011 et concernent les ventes de journaux. Puisqu'une tendance hebdomadaire des ventes peut être trouvée (la quantité moyenne quotidienne d'exemplaires vendus est généralement la même du lundi au vendredi, puis augmente le …
1
Critères de définition de la largeur de la fenêtre STL
Utilisé Rpour effectuer la décomposition STL, s.windowcontrôle la vitesse à laquelle la composante saisonnière peut changer. De petites valeurs permettent un changement plus rapide. Définir la fenêtre saisonnière sur infini équivaut à forcer la composante saisonnière à être périodique (c.-à-d. Identique sur plusieurs années). Mes questions: Si j'ai une série …
1
Caret glmnet vs cv.glmnet
Il semble y avoir beaucoup de confusion dans la comparaison de l'utilisation à l' glmnetintérieur caretpour rechercher un lambda optimal et à utiliser cv.glmnetpour faire la même tâche. De nombreuses questions ont été posées, par exemple: Modèle de classification train.glmnet vs cv.glmnet? Quelle est la bonne façon d'utiliser glmnet avec …
5
Comment effectuer l'imputation de valeurs dans un très grand nombre de points de données?
J'ai un très grand ensemble de données et il manque environ 5% de valeurs aléatoires. Ces variables sont corrélées entre elles. L'exemple de jeu de données R suivant n'est qu'un exemple de jouet avec des données corrélées factices. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
2
Prévision de séries chronologiques horaires avec périodicité quotidienne, hebdomadaire et annuelle
Édition majeure: Je voudrais dire un grand merci à Dave et Nick jusqu'à présent pour leurs réponses. La bonne nouvelle est que j'ai réussi à faire fonctionner la boucle (principe emprunté à la publication du professeur Hydnman sur la prévision par lots). Pour consolider les requêtes en attente: a) Comment …
2
Pourquoi la fonction stl donne une variation saisonnière significative avec des données aléatoires
J'ai tracé le code suivant avec la fonction stl (décomposition saisonnière des séries chronologiques par Loess): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Il montre une variation saisonnière importante avec des données aléatoires mises dans le code ci-dessus (fonction rnorm). Une variation importante est observée à chaque exécution, bien que le modèle soit différent. …
2
Comment modéliser les effets d'un mois à l'autre dans les données de séries chronologiques quotidiennes?
J'ai deux séries chronologiques de données quotidiennes. L'un est sign-upset l'autre terminationsdes abonnements. J'aimerais prédire ce dernier en utilisant les informations contenues dans les deux variables. En regardant le graphique de ces séries, il est évident que les terminaisons sont corrélées aux multiples des inscriptions des mois précédents. Autrement dit, …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.