Questions marquées «time-series»

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

1
Modèles d'état caché vs modèles sans état pour la régression des séries chronologiques
C'est une question assez générique: supposons que je veuille construire un modèle pour prédire la prochaine observation sur la base des observations précédentes ( peut être un paramètre à optimiser expérimentalement). Nous avons donc essentiellement une fenêtre coulissante d'entités d'entrée pour prédire la prochaine observation.NNNNNN Je peux utiliser une approche …
1
Déterminer la meilleure série chronologique corrélée
Avant de poser la question, j'ai lu des questions similaires, mais aucune d'entre elles ne conduit à des réponses satisfaisantes pour mon intérêt spécifique. Je veux homogénéiser une série chronologique de précipitations de la République Dominicaine sur 64 ans (1940-2003). Pour cela, il est vraiment important de sélectionner une série …
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
Expliquer la décomposition de Beveridge Nelson
Quelqu'un peut-il expliquer comment fonctionne la décomposition Beveridge-Nelson? Jusqu'à présent, tout ce que je sais, c'est qu'il estime les cycles de tendance dans les données de séries chronologiques non stationnaires. J'ai regardé plusieurs articles de revues et je suis toujours confus sur la façon dont cela fonctionne http://research.economics.unsw.edu.au/jmorley/bn.pdf
4
Régression des données incluant une date
J'ai un ensemble de données qui contient quelques centaines de transactions provenant de trois fournisseurs opérant dans plus de 100 pays sur une période de trois ans. Nous avons constaté que le pays de vente n'est pas un facteur significatif dans les prix atteints (les produits sont des produits plus …
2
auto.arima ne reconnaît pas le modèle saisonnier
J'ai un ensemble de données météorologiques quotidiennes, qui a, sans surprise, un effet saisonnier très fort. J'ai adapté un modèle ARIMA à cet ensemble de données en utilisant la fonction auto.arima du package de prévision. À ma grande surprise, la fonction n'applique aucune opération saisonnière - différenciation saisonnière, composantes saisonnières …
1
Prévision de séries chronologiques hautement corrélées
Dans les prévisions de séries chronologiques utilisant divers modèles comme AR, MA, ARMA, etc., nous nous concentrons généralement sur la modélisation des données dans le changement de temps. Mais lorsque nous avons 2 séries chronologiques dont le coefficient de corrélation de Pearson montre qu'elles sont fortement corrélées, est-il possible de …
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.