Preguntas etiquetadas con time-series

Dada una serie temporal, se puede estimar la función de autocorrelación y trazarla, por ejemplo, como se ve a continuación: ¿Qué es posible entonces leer sobre las series temporales, a partir de esta función de autocorrelación? ¿Es posible, por ejemplo, razonar sobre la estacionariedad de la serie temporal? Editado : …

11 time-series  autocorrelation 

Tengo un modelo estocástico utilizado para simular series temporales de algún proceso. Estoy interesado en el efecto de cambiar un parámetro a un valor específico y quiero mostrar la diferencia entre las series de tiempo (digamos el modelo A y el modelo B) y algún tipo de intervalo de confianza …

11 time-series  predictive-models  markov-process 

Tengo el número total de llamadas recibidas cada semana y las he trazado en un gráfico, desde hace casi 3 años. A simple vista, parece que hubo una caída masiva durante la Navidad, que no parece haberse recuperado, parece que ha habido un cambio radical en las solicitudes. ¿Hay alguna …

11 time-series  statistical-significance  change-point 

Estoy trabajando con un proceso de dos estados con en paraxtxtx_t{1,−1}{1,−1}\{1, -1\}t=1,2,…t=1,2,…t = 1, 2, \ldots La función de autocorrelación es indicativa de un proceso con memoria larga, es decir, muestra una disminución de la ley de potencia con un exponente <1. Puede simular una serie similar en R con: …

11 time-series  predictive-models  autocorrelation 

Me encontré con una imagen de un prototipo de aplicación que encuentra cambios significativos ("tendencias" - no picos / valores atípicos) en los datos de tráfico: Quiero escribir un programa (Java, opcionalmente R) que pueda hacer lo mismo, pero debido a que mis habilidades estadísticas están un poco oxidadas, necesito …

11 time-series  change-point 

Me gustaría hacer un análisis de intervención para cuantificar los resultados de una decisión política sobre las ventas de alcohol a lo largo del tiempo. Sin embargo, soy bastante nuevo en el análisis de series de tiempo, así que tengo algunas preguntas para principiantes. Un examen de la literatura revela …

11 time-series  multivariate-analysis  arima  intervention-analysis 

Entonces, lo que he leído sobre el profeta de Facebook es que básicamente divide la serie temporal en tendencia y estacionalidad. Por ejemplo, un modelo aditivo se escribiría como: y( t ) = g( t ) + s ( t ) + h ( t ) + ety(t)=g(t)+s(t)+h(t)+et y(t) = …

11 regression  machine-learning  time-series  prophet 

¿Cuál es la mejor manera de dividir los datos de series temporales en conjuntos de tren / prueba / validación, donde el conjunto de validación se usaría para el ajuste de hiperparámetros? Tenemos 3 años de datos de ventas diarias, y nuestro plan es usar 2015-2016 como datos de capacitación, …

11 time-series  cross-validation  validation 

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

La idea detrás de Recurrent Neural Network (RNN) es clara para mí. Lo entiendo de la siguiente manera: tenemos una secuencia de observaciones ( ) (o, en otras palabras, series de tiempo multivariadas). Cada observación individual es un vector numérico dimensional. Dentro del modelo RNN suponemos que la siguiente observación …

11 time-series  neural-networks  predictive-models  intuition  rnn 

Tracé el siguiente código con la función stl (Descomposición estacional de series de tiempo de Loess): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Muestra una variación estacional significativa con datos aleatorios colocados en el código anterior (función rnorm). Se observa una variación significativa cada vez que se ejecuta, aunque el patrón es diferente. A …

11 time-series  seasonality  loess 

Mientras trabajamos con series temporales, a veces detectamos y eliminamos la estacionalidad mediante análisis espectral. Soy un verdadero principiante en series de tiempo, y estoy confundido por qué uno querría eliminar la estacionalidad de la serie de tiempo original. ¿La eliminación de la estacionalidad no distorsiona los datos originales? ¿Qué …

11 time-series  seasonality 

Un proceso es estrictamente estacionario si la distribución conjunta de es la misma que la distribución conjunta de para todos los , para todos los y para todos los .X t 1 , X t 2 , . . . , X t m X t 1 + k , …

11 time-series  autocorrelation  stochastic-processes  stationarity 

Dada una serie (observada) con , ¿existe una prueba estadística para probar la hipótesis nula de que (es decir, la propiedad markov)?X t ∈ { 1 , . . . , N } P ( X t | X t - 1 , X t - 2 , . . …

11 time-series  hypothesis-testing  markov-process 

Supongamos que tengo un poco más de 20,000 series de tiempo mensuales que abarcan desde enero de 2005 hasta diciembre de 2011. Cada uno de estos representa datos de ventas globales para un producto diferente. ¿Qué sucedería si, en lugar de calcular pronósticos para todos y cada uno de ellos, …

11 time-series  forecasting  forecastability