Statistiques et Big Data time-series

2

Comprendre le décalage k dans le test Dickey Fuller augmenté de R

J'ai joué avec des tests de racine unitaire en R et je ne sais pas trop quoi faire du paramètre k lag. J'ai utilisé le test Dickey Fuller augmenté et le test Philipps Perron du package tseries . Évidemment, le paramètre par défaut (pour le ) ne dépend que de …

15 r time-series trend

1

Quelle méthode de comparaison multiple utiliser pour un modèle lmer: lsmeans ou glht?

J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Ensuite, j'ai effectué un test de rapport de …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

Comment interpréter ACF négatif (fonction d'autocorrélation)?

J'ai donc tracé l'ACF / PACF des retours de pétrole et je m'attendais à voir une autocorrélation positive, mais à ma grande surprise, je n'obtiens qu'une autocorrélation négative significative. Comment dois-je interpréter le graphique ci-dessus? Ils semblent indiquer que les rendements pétroliers ont tendance à augmenter lorsqu'ils ont diminué précédemment …

15 time-series

5

Comment gérer plusieurs séries de temps simultanément?

J'ai un ensemble de données comprenant la demande de plusieurs produits (1200 produits) pour 25 périodes et j'ai besoin de prédire la demande de chaque produit pour la période suivante. Au début, je voulais utiliser ARIMA et former un modèle pour chaque produit, mais en raison du nombre de produits …

14 machine-learning time-series arima

3

Pourquoi est-il valable de dissuader les séries chronologiques de régression?

Cela peut être une question étrange du tout, mais en tant que novice sur le sujet, je me demande pourquoi utilisons-nous la régression pour détrôner une série chronologique si l'une des hypothèses de la régression est que les données devraient iid tandis que les données sur lesquelles la régression est …

14 regression time-series trend iid

3

Pourquoi se propager dans le temps dans un RNN?

Dans un réseau de neurones récurrent, vous propagez généralement la propagation en plusieurs étapes, "déroulez" le réseau, puis la propagation en arrière sur la séquence d'entrées. Pourquoi ne mettez-vous pas simplement à jour les poids après chaque étape individuelle de la séquence? (l'équivalent de l'utilisation d'une longueur de troncature de …

14 time-series neural-networks backpropagation rnn

5

Quelle est la différence entre l'économétrie des séries chronologiques et l'économétrie des données de panel?

Cette question est peut-être très naïve, mais la façon dont on m'écrit l'économétrie est très confuse s'il y a une différence entre les séries chronologiques et la méthode des données de panel. En ce qui concerne les séries chronologiques, j'ai couvert des sujets tels que la covariance stationnaire, AR, MA, …

14 time-series econometrics panel-data

1

Traitement des données manquantes dans un modèle de lissage exponentiel

Il ne semble pas y avoir de méthode standard pour traiter les données manquantes dans le contexte de la famille de modèles de lissage exponentiel. En particulier, l'implémentation R appelée ets dans le package de prévision semble ne prendre que la sous-séquence la plus longue sans données manquantes, et le …

14 time-series forecasting missing-data

1

Comment prédire une série chronologique à partir d'une autre série chronologique, si elles sont liées

J'essaie de résoudre ce problème depuis plus d'un an sans grand progrès. Cela fait partie d'un projet de recherche que je fais, mais je vais l'illustrer avec un exemple d'histoire que j'ai inventé, car le domaine réel du problème est un peu déroutant (eye-tracking). Vous êtes un avion qui suit …

14 time-series machine-learning prediction

2

Séries chronologiques irrégulièrement espacées dans la recherche en finance / économie

Dans la recherche en économétrie financière, il est très courant d'étudier les relations entre les séries chronologiques financières qui prennent la forme de données quotidiennes . La variable sera souvent faite en prenant la différence logarithmique, par exemple; ln ( P t ) - ln ( P t - 1 …

14 time-series econometrics finance macroeconomics unevenly-spaced-time-series

1

Cette méthode de rééchantillonnage des séries chronologiques est-elle connue dans la littérature? At-il un nom?

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 …

14 time-series bootstrap resampling permutation-test

2

Question sur la régression logistique

Je veux exécuter une régression logistique binaire pour modéliser la présence ou l'absence de conflit (variable dépendante) à partir d'un ensemble de variables indépendantes sur une période de 10 ans (1997-2006), chaque année ayant 107 observations. Mes indépendants sont: dégradation des terres (catégorielle pour 2 types de dégradation); augmentation de …

14 regression time-series logistic spatial ecology

3

Quelqu'un peut-il expliquer la déformation temporelle dynamique pour déterminer la similitude des séries chronologiques?

J'essaie de saisir la mesure de déformation temporelle dynamique pour comparer les séries temporelles ensemble. J'ai trois séries de données chronologiques comme celle-ci: T1 <- structure(c(0.000213652387565, 0.000535045478866, 0, 0, 0.000219346347883, 0.000359669104424, 0.000269469145783, 0.00016051364366, 0.000181950509461, 0.000385579332948, 0.00078170803205, 0.000747244535774, 0, 0.000622858922454, 0.000689084895259, 0.000487983408564, 0.000224744353298, 0.000416449765747, 0.000308388157895, 0.000198906016907, 0.000179549331179, 9.06289650172e-05, 0.000253506844685, 0.000582896161212, 0.000386473429952, …

14 r time-series clustering

2

Quel est le lien entre ARMA / ARIMA et la modélisation à effets mixtes?

Dans l'analyse des données de panel, j'ai utilisé des modèles à plusieurs niveaux avec des effets aléatoires / mixtes pour traiter les problèmes d'auto-corrélation (c.-à-d., Les observations sont regroupées au sein des individus au fil du temps) avec d'autres paramètres ajoutés pour s'adapter à certaines spécifications de temps et de …

14 time-series mixed-model arima multilevel-analysis

2

Sélection du modèle Box-Jenkins

La procédure de sélection du modèle de Box-Jenkins dans l'analyse des séries chronologiques commence par examiner les fonctions d'autocorrélation et d'autocorrélation partielle de la série. Ces graphiques peuvent suggérer les et q appropriés dans un modèle ARMA ( p , q ) . La procédure se poursuit en demandant à …

14 regression time-series arima model-selection box-jenkins

Questions marquées «time-series»