Questions marquées «time-series»

Les séries chronologiques sont des données observées dans le temps (soit en temps continu, soit à des périodes discrètes).

1
Simulation de la série ARIMA (1,1,0)
J'ai adapté les modèles ARIMA à la série chronologique d'origine, et le meilleur modèle est ARIMA (1,1,0). Maintenant, je veux simuler la série à partir de ce modèle. J'ai écrit le modèle AR (1) simple, mais je ne comprenais pas comment ajuster la différence au sein du modèle ARI (1,1,0). …
11 r  time-series  arima 
3
Pourquoi l'estimateur OLS du coefficient AR (1) est-il biaisé?
J'essaie de comprendre pourquoi OLS donne un estimateur biaisé d'un processus AR (1). Considérez Dans ce modèle, l'exogénéité stricte est violée, c'est-à-dire que et sont corrélés mais et sont pas corrélés. Mais si cela est vrai, pourquoi la dérivation simple suivante ne tient-elle pas? ytεtyt-1εtplim βytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= \alpha …
3
Utilisez Holt-Winters ou ARIMA?
Ma question porte sur la différence conceptuelle entre Holt-Winters et ARIMA. Autant que je sache, Holt-Winters est un cas particulier d'ARIMA. Mais quand un algorithme est-il préféré à l'autre? Peut-être que Holt-Winters est incrémental et sert donc d'algorithme en ligne (plus rapide)? Dans l'attente de quelques informations ici.
1
Comprendre la formule de différenciation fractionnaire
J'ai une série temporelle et je voudrais la modéliser comme un processus ARFIMA (alias FARIMA). Si est intégré d'ordre (fractionnaire) , je voudrais le différencier par fraction pour le rendre stationnaire.ytyty_tytyty_tddd Question : la formule suivante définissant la différenciation fractionnée est-elle correcte? Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...\Delta^d y_t := y_t - d y_{t-1} + …
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, …
4
Que faire des explications dans les séries chronologiques?
Ayant travaillé principalement avec des données transversales jusqu'à présent et très récemment parcouru, parcourant un tas de publications introductives sur les séries chronologiques, je me demande quel rôle jouent les variables explicatives dans l'analyse des séries chronologiques. Je voudrais expliquer une tendance plutôt que la décroissance. La plupart de ce …
5
Comment corriger les valeurs aberrantes une fois détectées pour la prévision des données de séries chronologiques?
J'essaie de trouver un moyen de corriger les valeurs aberrantes une fois que je les ai trouvées / détectées dans les données de séries chronologiques. Certaines méthodes, comme nnetar dans R, donnent des erreurs pour les séries temporelles avec des valeurs aberrantes grandes / grandes. J'ai déjà réussi à corriger …
1
Interprétation de la décomposition des séries chronologiques à l'aide de TBATS à partir du package de prévisions R
Je voudrais décomposer les données de séries chronologiques suivantes en composantes saisonnières, tendancielles et résiduelles. Les données sont un profil énergétique de refroidissement horaire d'un bâtiment commercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Il y a donc des effets saisonniers quotidiens et hebdomadaires évidents, basés sur les conseils de: Comment …
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.