Questions marquées «stationarity»

Un processus strictement stationnaire (ou série chronologique) est un processus dont la distribution conjointe est constante dans le temps. Un processus ou une série faiblement stationnaire (ou stationnaire de covariance) est un processus dont la moyenne et la fonction de covariance (variance et autocorrélation) ne changent pas avec le temps.

3
Distinction conceptuelle entre hétéroscédasticité et non-stationnarité
J'ai du mal à distinguer les concepts de scédasticité et de stationnarité. Si je comprends bien, l'hétéroscédasticité correspond à des variabilités différentes dans les sous-populations et la non-stationnarité est une moyenne / variance changeante au fil du temps. S'il s'agit d'une compréhension correcte (quoique simpliste), la non-stationnarité est-elle simplement un …
3
Est-il nécessaire de détrôner et de recycler les données de séries chronologiques lors de l'utilisation de méthodes d'apprentissage automatique?
Par exemple: Je veux prévoir les valeurs futures d'une série chronologique sur la base des valeurs précédentes de plusieurs séries chronologiques à l'aide d'un ANN et / ou SVM. Les entrées seront des valeurs décalées de chaque série chronologique, et les sorties seront des prévisions à un pas (les prévisions …
4
La valeur absolue d'une série stationnaire est-elle également stationnaire?
Je sais que les transformations linéaires des séries temporelles résultant de processus (faiblement) stationnaires sont également stationnaires. Est-ce vrai, cependant, pour une transformation d'une série en prenant également la valeur absolue de chaque élément? En d'autres termes, si est stationnaire, alors stationnaire?{xi,i∈N}{Xje,je∈N}\{x_i,i\in\mathbb{N}\}{|xi|,i∈N}{|Xje|,je∈N}\{|x_i|,i\in\mathbb{N}\}
1
Pourquoi la somme des échantillons d'autocorrélations d'une série stationnaire est-elle égale à -1/2?
Je ne peux pas saisir ma tête autour de cette propriété des séries stationnaires et de la fonction d'autocorrélation. Je dois prouver que ∑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} Où et est la fonction d'autocovarianceρ^(h)=γ^(h)γ^(0)ρ^(h)=γ^(h)γ^(0)\hat\rho(h)=\displaystyle\frac{\hat\gamma(h)}{\hat\gamma(0)}γ^(h)γ^(h)\hat\gamma(h) γ^( h ) =1n∑t = 1n - h(Xt-X¯) (Xt + h-X¯)γ^(h)=1n∑t=1n−h(Xt−X¯)(Xt+h−X¯)\begin{align} \hat\gamma(h) = \frac{1}{n}\sum_{t=1}^{n-h}(X_t-\bar{X})(X_{t+h}-\bar{X}) \end{align} J'espère que quelqu'un …
2
Pourquoi un modèle statistique serait-il surchargé s'il était doté d'un énorme ensemble de données?
Mon projet actuel peut m'obliger à construire un modèle pour prédire le comportement d'un certain groupe de personnes. l'ensemble de données de formation ne contient que 6 variables (id est uniquement à des fins d'identification): id, age, income, gender, job category, monthly spend dans laquelle se monthly spendtrouve la variable …
8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 
1
Stationnarité - hypothèses et examen
J'examine les captures de rongeurs sur six grilles de piégeage de rongeurs permanentes mesurant 150 x 150 mètres et comprenant 121 stations de piégeage régulièrement espacées de 15 mètres. Il y a six de ces grilles de piégeage sur le site d'étude d'une superficie <1 000 hectares. Je voudrais interpoler …
1
Qu'est-ce qu'un champ gaussien stationnaire?
Je sais ce qu'est un champ gaussien. Cependant, je ne sais pas trop ce que l'on entend par stationnaire. J'ai vu cette chose stationnaire à beaucoup d'endroits comme les processus autorégressifs stationnaires, etc., mais je ne sais pas vraiment ce que l'on entend par stationnaire.
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.