Preguntas etiquetadas con time-series

¿Es mejor diferenciar una serie (suponiendo que la necesite) antes de usar un Arima O mejor usar el parámetro d dentro de Arima? Me sorprendió cuán diferentes son los valores ajustados dependiendo de qué ruta se tome con el mismo modelo y datos. ¿O estoy haciendo algo incorrectamente? install.packages("forecast") library(forecast) …

12 r  time-series  arima 

Nota: esta pregunta es una nueva publicación, ya que mi pregunta anterior tuvo que ser eliminada por razones legales. Al comparar PROC MIXED de SAS con la función lmedel nlmepaquete en R, me topé con algunas diferencias bastante confusas. Más específicamente, los grados de libertad en las diferentes pruebas difieren …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

Considere el siguiente gráfico: La línea roja (eje izquierdo) describe el volumen de negociación de una determinada acción. La línea azul (eje derecho) describe el volumen del mensaje de Twitter para ese stock. Por ejemplo, el 9 de mayo (05-09) se realizaron 1.100 millones de intercambios y 4.000 tweets. Me …

12 time-series  correlation  lags 

Tengo una serie temporal binaria con 1 cuando el automóvil no se mueve y 0 cuando el automóvil se mueve. Quiero hacer un pronóstico para un horizonte temporal de hasta 36 horas por adelantado y para cada hora. Mi primer enfoque fue utilizar un Bayes Naive usando las siguientes entradas: …

12 r  time-series  forecasting  binary-data 

Supongamos que tengo las siguientes series temporales no periódicas. Obviamente, la tendencia está disminuyendo y me gustaría probarlo con alguna prueba (con valor p ). No puedo usar la regresión lineal clásica debido a una fuerte autocorrelación temporal (en serie) entre los valores. library(forecast) my.ts <- ts(c(10,11,11.5,10,10.1,9,11,10,8,9,9, 6,5,5,4,3,3,2,1,2,4,4,2,1,1,0.5,1), start = …

12 r  time-series 

¿Por qué el análisis de series temporales no se considera un algoritmo de aprendizaje automático (a diferencia de la regresión lineal)? Tanto la regresión como el análisis de series temporales son métodos de pronóstico. Entonces, ¿por qué uno de ellos se considera un algoritmo de aprendizaje pero no el otro?

12 regression  machine-learning  time-series  terminology 

Una serie con deriva se puede modelar como donde es la deriva (constante) y . yt=c+ϕyt−1+εtyt=c+ϕyt−1+εty_t = c + \phi y_{t-1} + \varepsilon_tcccϕ=1ϕ=1\phi=1 Una serie con tendencia se puede modelar como donde es la deriva (constante), es la tendencia de tiempo determinista y .yt=c+δt+ϕyt−1+εtyt=c+δt+ϕyt−1+εty_t = c + \delta t + …

12 time-series  hypothesis-testing  stationarity  trend  unit-root 

He estado operando un negocio en línea durante dos años seguidos, así que tengo mis datos de ventas mensuales durante aproximadamente dos años. Mi negocio para cada mes ciertamente se ve afectado por el cambio estacional (funciona mejor en Navidad, etc.) y probablemente por otros factores que no conozco. Para …

12 time-series  forecasting 

Está bien establecido, al menos entre los estadísticos de algún calibre más alto, que los modelos con los valores del estadístico AIC dentro de un cierto umbral del valor mínimo deben considerarse apropiados como el modelo que minimiza el estadístico AIC. Por ejemplo, en [1, p.221] encontramos Entonces, los modelos …

12 time-series  model-selection  aic 

Me preguntaba cómo se define su "proceso estacionario de segundo orden" en la Introducción a las series de tiempo y pronósticos de Brockwell y Davis : La clase de modelos de series temporales lineales, que incluye la clase de modelos de media móvil autorregresiva (ARMA), proporciona un marco general para …

12 time-series 

El paquete MARSS en R ofrece una función para el análisis de factor dinámico. En este paquete, el modelo de factor dinámico se escribe como una forma especial de modelo de espacio de estado y asumen que las tendencias comunes siguen el proceso AR (1). Como no estoy muy familiarizado …

12 r  time-series  forecasting  factor-analysis  state-space-models 

Dadas las siguientes dos series de tiempo ( x , y ; ver más abajo), ¿cuál es el mejor método para modelar la relación entre las tendencias a largo plazo en estos datos? Ambas series de tiempo tienen pruebas significativas de Durbin-Watson cuando se modelan en función del tiempo y …

12 regression  time-series  arima 

Han pasado más de 2 años que estoy trabajando en diferentes series de tiempo. He leído en muchos artículos que ACF se usa para identificar el orden del término MA y PACF para AR. Hay una regla general para MA, el retraso donde ACF se apaga repentinamente es el orden …

12 time-series  arima  autoregressive  moving-average 

A menudo veo que los autores estiman un modelo de "diferencia logarítmica", p. Ej. log(yt)−log(yt−1)=log(yt/yt−1)=α+βxtlog⁡(yt)−log⁡(yt−1)=log⁡(yt/yt−1)=α+βxt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Estoy de acuerdo en que esto es apropiado para relacionar con un cambio porcentual en mientras que es .xtxtx_tytyty_tlog(yt)log⁡(yt)\log (y_t)I(1)I(1)I(1) Pero la diferencia logarítmica es una aproximación, …

12 time-series  forecasting  data-transformation  econometrics  logarithm 

Soy bastante nuevo en R. He intentado leer sobre análisis de series de tiempo y ya he terminado Análisis de series de tiempo de Shumway y Stoffer y sus aplicaciones 3ra Edición , Excelente pronóstico de Hyndman : principios y práctica El uso de R de Avril Coghlan para el …

12 r  time-series