Preguntas etiquetadas con time-series

Quiero ajustar un DLM con coeficientes variables en el tiempo, es decir, una extensión de la regresión lineal habitual, yt= θ1+ θ2X2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 . Tengo un predictor ( ) y una variable de respuesta ( ), capturas anuales de peces marinos y continentales, respectivamente, de 1950 a …

9 r  regression  time-series  dlm  dynamic-regression 

Tengo muchas imágenes de trama de satélite disponibles de diferentes sensores. De estos, los más gruesos tienen una resolución temporal muy abundante. Los rásteres de resolución media tienden a tener menos fechas de adquisición, pero aún hay cierto grado de información disponible. Las de resolución más fina tienen una resolución …

9 time-series  machine-learning  predictive-models  multivariate-regression 

Pregunta : ¿La configuración a continuación es una implementación sensata de un modelo de Markov oculto? Tengo un conjunto de datos de 108,000observaciones (tomadas en el transcurso de 100 días) y aproximadamente 2000eventos a lo largo de todo el período de observación. Los datos se parecen a la figura a …

9 time-series  machine-learning  predictive-models  markov-chain  hidden-markov-model 

Tengo un modelo dinámico de Bayes ingenuo entrenado en un par de variables temporales. La salida del modelo es la predicción de P(Event) @ t+1, estimada en cada uno t. La gráfica de P(Event)versus timees como se da en la figura a continuación. En esta figura, la línea negra representa …

9 time-series  probability  prediction  model-comparison  model-evaluation 

A medida que avanzo en el pronóstico con los modelos ARIMA, estoy tratando de entender cómo puedo mejorar un pronóstico basado en el ajuste ARIMA con la estacionalidad y la deriva. Mis datos son las siguientes series temporales (más de 3 años, con una clara tendencia al alza y una …

9 r  time-series  forecasting  arima  seasonality 

Estoy usando Dynamic Time Warping para que coincida con una "consulta" y una curva de "plantilla" y tengo un éxito razonable hasta el momento, pero tengo algunas preguntas básicas: Estoy evaluando una "coincidencia" al evaluar si el resultado de DTW es menor que algún valor umbral que heheurísticamente. ¿Es este …

9 time-series  normalization  functional-data-analysis 

Tengo problemas para distinguir entre los conceptos de escedasticidad y estacionariedad. Según tengo entendido, la heterocedasticidad es una variabilidad diferente en las subpoblaciones y la no estacionariedad es una media / varianza cambiante a lo largo del tiempo. Si esta es una comprensión correcta (aunque simplista), ¿la no estacionariedad es …

9 time-series  heteroscedasticity  stationarity  intuition 

Soy principiante en R, ¿Podría explicar cómo utilizar ses en el paquete de previsión de R pronóstico ? Me gustaría elegir el número de períodos iniciales y la constante de suavizado. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) Tengo 70 períodos, me gustaría usar 40 períodos para inicial y 30 para fuera de muestra. …

9 r  time-series  forecasting 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Dado que no podemos ajustar el modelo ARIMA cuando se viola el supuesto de varianza constante, ¿qué modelo se puede usar para ajustar series de tiempo univariantes?

9 time-series  modeling  forecasting  arima 

He ajustado el modelo ARIMA (5,1,2) usando la auto.arima()función en R y al mirar en orden podemos decir que este no es el mejor modelo para pronosticar. Si existen valores atípicos en la serie de datos, ¿cuál es el método para ajustar un modelo a dichos datos?

9 r  time-series  forecasting  outliers  arima 

Esto debe aparecer --- el pronóstico de cosas que están atrapadas entre 0 y 1. En mi serie, sospecho que hay un componente de regresión automática y también un componente de reversión a la media, por lo que quiero algo que pueda interpretar como un ARIMA --- pero no quiero …

9 time-series  forecasting  logistic  arima  beta-regression 

Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Tengo un conjunto de datos bastante complicado para analizar, y no puedo encontrar una buena solución para ello. Aquí está la cosa: 1. los datos en bruto son esencialmente grabaciones de canciones de insectos. Cada canción está compuesta de varias ráfagas, y cada ráfaga está compuesta de subunidades. Todos los …

9 time-series  mixed-model  repeated-measures  random-effects-model 

He estado ajustando algunos datos de series de tiempo usando un modelo aditivo general de Poisson usando SAS PROC GAM. En términos generales, he estado haciendo que su procedimiento de validación cruzada generalizado incorporado genere al menos un "punto de partida" decente para mi spline individual, que es una función …

9 time-series  sas  splines  gam