Questions marquées «time-series»

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



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
Utilisation des erreurs standard HAC bien qu'il puisse n'y avoir aucune autocorrélation
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?

1
RNN apprenant les ondes sinusoïdales de différentes fréquences
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} …

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.