Nous traçons des mesures de séries chronologiques dans le contexte des opérations réseau / serveur. Les données ont un taux d'échantillonnage de 5 minutes et comprennent des éléments tels que l'utilisation du processeur, le taux d'erreur, etc. Nous ajoutons une ligne horizontale de "seuil" aux graphiques, pour indiquer visuellement un …
Mise à jour (2019-06-25): changer le titre de "Les modèles MA non inversables ont -ils du sens?" pour le distinguer de la question 333802 . Lors de l'examen des modèles MA ( ), je suis tombé sur ces diapositives (Alonso et Garcia-Martos, 2012). Les auteurs affirment que, alors que tous …
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}\}
Serait-il sensé d'équiper un modèle à dessein? Disons que j'ai un cas d'utilisation où je sais que les données ne varieront pas beaucoup en ce qui concerne les données de formation. Je pense ici à la prévision du trafic, où l'état du trafic suit un ensemble fixe de modèles trajet …
Si je suis intéressé par les effets causals du changement d'une variable ( ) sur certains résultats ( ), comment pourrais-je représenter cela dans un graphique acyclique dirigé (DAG)?EEEOOO Supposons que , où et se produisent aux moments 1 et 2, un DAG correct serait-il: ΔE2=E2−E1ΔE2=E2-E1\Delta E_2 = E_2 - …
J'ai récemment découvert un article fascinant sur la prévision des rendements futurs du marché boursier. L'auteur présente le graphique ci-dessous et cite un R ^ 2 de 0,913. Cela rendrait la méthode de l'auteur bien supérieure à tout ce que j'ai jamais vu sur le sujet (la plupart soutiennent que …
J'ai récemment rencontré plusieurs sources "informelles" qui indiquent que dans certaines circonstances, si nous utilisons l' AIC ou le BIC pour former un modèle de série chronologique, nous n'avons pas besoin de diviser les données en test et en formation - nous pouvons utiliser tous les données pour la formation. …
Je veux générer une série chronologique synthétique. La série chronologique doit être une chaîne de Markov avec une distribution marginale gamma et un paramètre AR (1) de . Puis-je le faire en utilisant simplement une distribution gamma comme terme de bruit dans un modèle AR (1), ou dois-je utiliser une …
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 …
Je suis un débutant utilisant l'apprentissage automatique (j'ai terminé le cours de Ng), j'utilise scikit-learn en python. Je veux trouver le meilleur moyen de détecter les anomalies dans notre système. Nous avons des événements en cours qui se produisent à un horaire (toutes les quelques minutes / heures), et je …
Je fais juste quelques jeux d'esprit en passant par mes notes de statistiques ... J'ai vu des ACF autour avec des valeurs négatives aux retards 1 et 2 - je peux avoir un esprit vide ici, mais un AC négatif élevé au retard 1 n'impliquerait pas une série comme (-1,1, …
J'utilise l'ACP pour analyser plusieurs séries temporelles spatialement liées, et il semble que le premier vecteur propre correspond à la dérivée de la tendance moyenne de la série (exemple illustré ci-dessous). Je suis curieux de savoir pourquoi le premier vecteur propre se rapporte à la dérivée de la tendance par …
J'ai un ensemble de données de mesures de la température de l'eau prises à partir d'un grand plan d'eau à intervalles irréguliers sur une période de plusieurs décennies. (Galveston Bay, TX si vous êtes intéressé) Voici la tête des données: STATION_ID DATE TIME LATITUDE LONGITUDE YEAR MONTH DAY SEASON MEASUREMENT …
J'exécute quelques régressions et, comme je voulais être du bon côté, j'ai décidé d'utiliser des erreurs standard HAC (hétéroscédasticité et autocorrélation cohérentes) tout au long. Il peut y avoir quelques cas où la corrélation série n'est pas présente. Est-ce de toute façon une approche valable? Y a-t-il des inconvénients?
Comme échauffement avec des réseaux de neurones récurrents, j'essaie de prédire une onde sinusoïdale à partir d'une autre onde sinusoïdale d'une autre fréquence. Mon modèle est un simple RNN, sa passe avant peut s'exprimer comme suit: rtzt= σ(Wje n⋅Xt+Wr e c⋅rt - 1) )=Wo u t⋅rtrt=σ(Wjen⋅Xt+Wrec⋅rt-1))zt=Wout⋅rt \begin{aligned} r_t &= \sigma(W_{in} …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.