Preguntas etiquetadas con arima

La página de Wikipedia dice que Box-Jenkins es un método para ajustar un modelo ARIMA a una serie temporal. Ahora, si quiero ajustar un modelo ARIMA a una serie temporal, abriré SAS, llamaré proc ARIMA, proporcionaré los parámetros y SAS me dará los coeficientes AR y MA. Ahora, puedo probar …

10 time-series  arima  sas  aic  box-jenkins 

Soy bastante nuevo en estadísticas y R. Me gustaría conocer el proceso para determinar los parámetros ARIMA para mi conjunto de datos. ¿Puedes ayudarme a descubrir lo mismo usando R y teóricamente (si es posible)? Los datos van del 12 de enero al 14 de marzo y muestran las ventas …

10 r  arima  box-jenkins 

He escuchado un poco sobre el uso de redes neuronales para pronosticar series temporales. ¿Cómo puedo comparar qué método para pronosticar mi serie temporal (datos minoristas diarios) es mejor: auto.arima (x), ets (x) o nnetar (x). Puedo comparar auto.arima con ets por AIC o BIC. ¿Pero cómo puedo compararlos con …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

Estoy trabajando en un conjunto de datos. Después de usar algunas técnicas de identificación de modelos, obtuve un modelo ARIMA (0,2,1). Utilicé la detectIOfunción en el paquete TSAen R para detectar un valor atípico innovador (IO) en la observación número 48 de mi conjunto de datos original. ¿Cómo incorporo este …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos últimos dan las mismas respuestas. Usando un montón de …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

He estado trabajando durante meses en el pronóstico de carga a corto plazo y el uso de datos climáticos / climáticos para mejorar la precisión. Tengo experiencia en informática y por esta razón estoy tratando de no cometer grandes errores y comparaciones injustas al trabajar con herramientas estadísticas como los …

10 time-series  forecasting  arima 

Cuando comencé a leer sobre el filtro de Kalman, pensé que era un caso especial del modelo ARIMA (es decir, ARIMA (0,1,1)). Pero en realidad parece que la situación es más complicada. En primer lugar, ARIMA se puede utilizar para la predicción y el filtro de Kalman es para el …

10 time-series  bayesian  arima  kalman-filter 

Solo quiero verificar que estoy interpretando los gráficos ACF y PACF correctamente: Los datos corresponden a los errores generados entre los puntos de datos reales y las estimaciones generadas utilizando un modelo AR (1). He visto la respuesta aquí: Estimar los coeficientes ARMA a través de la inspección ACF y …

10 time-series  arima  interpretation  autocorrelation  acf-pacf 

Estoy tratando de ajustar un modelo de tiempo discreto en R, pero no estoy seguro de cómo hacerlo. He leído que puede organizar la variable dependiente en diferentes filas, una para cada observación de tiempo, y usar la glmfunción con un enlace logit o cloglog. En este sentido, tengo tres …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

He revisado la respuesta a esta pregunta en stats.stackexchange: ¿Cuáles son los buenos recursos que proporcionan un historial de estadísticas? De hecho, el libro de Stigler "Estadísticas sobre la mesa" se ve excelente y estoy ansioso por leerlo. Pero estoy más interesado en el desarrollo de los modelos modernos de …

10 time-series  references  arima  history 

Recientemente recapitulé mi conocimiento de la Serie temporal y me di cuenta de que el aprendizaje automático en su mayoría solo da pronósticos un paso por delante. Con pronósticos de un paso adelante me refiero a pronósticos que, por ejemplo, si tenemos datos por hora, utilizamos los datos desde las …

9 machine-learning  time-series  forecasting  arima 

Estoy tratando de modelar y pronosticar una serie de tiempo que es cíclica en lugar de estacional (es decir, hay patrones estacionales, pero no con un período fijo). Esto debería ser posible utilizando un modelo ARIMA, como se menciona en la Sección 8.5 de Pronósticos: principios y práctica : El …

9 time-series  forecasting  arima  seasonality 

El problema con el que estoy lidiando es predecir valores de series de tiempo. Estoy mirando una serie de tiempo a la vez y, por ejemplo, en base al 15% de los datos de entrada, me gustaría predecir sus valores futuros. Hasta ahora me he encontrado con dos modelos: LSTM …

9 time-series  forecasting  references  arima  lstm 

Tengo datos mensuales de 1993 a 2015 y me gustaría hacer pronósticos sobre estos datos. Utilicé el paquete tsoutliers para detectar los valores atípicos, pero no sé cómo continúo pronosticando con mi conjunto de datos. Este es mi código: product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) Esta es mi salida del paquete tsoutliers ARIMA(0,1,0)(0,0,1)[12] Coefficients: …

9 r  time-series  forecasting  arima  outliers 

Estoy ocupado con el modelado ARIMA aumentado con variables exógenas para fines de modelado promocional y me cuesta explicarlo a los usuarios comerciales. En algunos casos, los paquetes de software terminan con una función de transferencia simple, es decir, parámetro * Variable exógena. En este caso, la interpretación es fácil, …

9 time-series  data-visualization  forecasting  arima  causality