Preguntas etiquetadas con time-series

Antes de preguntar, leí preguntas similares, pero ninguna de ellas condujo a respuestas satisfactorias para mi interés específico. Quiero homogeneizar una serie de precipitaciones climáticas de la República Dominicana durante 64 años (1940-2003). Para eso, es realmente importante seleccionar una serie de referencia entre un grupo de candidatos. Digamos que …

8 time-series  correlation 

Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 10 meses . Estoy pensando en escribir un juego simple sobre zombies. Me quedé atascado tratando de calcular cuántas personas …

8 time-series  probability  epidemiology 

Estoy usando el método arima del paquete de estadísticas de R con mi serie temporal de 17376 elementos. Mi objetivo es obtener el valor del criterio AIC, he observado en mi primera prueba esto: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = …

8 r  time-series  forecasting  arima 

Tengo ~ 400 individuos y> 10k puntos de tiempo cada uno (resultados de simulación) que me gustaría poder monitorear a medida que cambian con el transcurso del tiempo. Trazar a todos los individuos es demasiado desordenado, trazar la media + -sd, min / max o cuantiles es muy poca información …

8 r  time-series  data-visualization 

Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly spend en el cual monthly spendestá …

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 

¿Alguien puede explicar cómo funciona la descomposición de Beveridge-Nelson? Hasta ahora, todo lo que sé es que estima los ciclos de tendencia en datos de series temporales no estacionarias. Miré varios artículos de revistas y todavía estoy confundido sobre cómo funciona http://research.economics.unsw.edu.au/jmorley/bn.pdf

8 time-series 

Tengo un conjunto de datos que contiene unos cientos de transacciones de tres proveedores que operan en más de 100 países durante un período de tres años. Hemos descubierto que el país de ventas no es un factor significativo en los precios alcanzados (los productos son más o menos productos …

8 r  time-series  multiple-regression 

Un proceso ARMA (p, q) es débilmente estacionario, si la raíz de su parte AR no está en el círculo unitario. Por lo tanto, su débil estacionariedad no depende de su parte MA. Pero, ¿qué pueden implicar las posiciones de las raíces de su parte MA? En las pruebas de …

8 time-series  unit-root  moving-average 

Tengo un conjunto de datos meteorológicos diarios, que tiene, como era de esperar, un efecto estacional muy fuerte. Adapté un modelo ARIMA a este conjunto de datos usando la función auto.arima del paquete de pronóstico. Para mi sorpresa, la función no aplica ninguna operación estacional: diferenciación estacional, componentes estacionales ar …

8 r  time-series  forecasting  arima  arma 

En la predicción de series de tiempo utilizando varios modelos como AR, MA, ARMA, etc., generalmente nos enfocamos en el modelado de los datos en el cambio de tiempo. Pero cuando tenemos 2 series de tiempo en las que el coeficiente de correlación de Pearson muestra que están altamente correlacionadas, …

8 time-series  correlation  forecasting  var 

Tengo que hacer algunas pruebas de raíz unitaria para un proyecto, simplemente no estoy seguro de cómo interpretar los datos (que es lo que me han pedido que haga). Aquí está uno de mis resultados: dfuller Demand Dickey-Fuller test for unit root Number of obs = 50 ---------- Interpolated Dickey-Fuller …

8 time-series  hypothesis-testing  stata  interpretation  unit-root 

Utilizando el excelente paquete de pronósticos de Rob Hyndman, me encontré con la necesidad no solo de tener intervalos de predicción, sino también de simular una serie de caminos futuros, dadas las observaciones pasadas de una serie temporal con estacionalidades complejas. Hay algo para series de tiempo menos complejas con …

8 r  time-series  forecasting  simulation  tbats 

Estoy tratando de descomponer una serie temporal de observaciones en la estructura de varianza-covarianza y una serie aleatoria .nnnvcvc\bf{\mathrm{v_c}}n×nn×nn \times n∑∑\sumvv\bf{\mathrm{v}} Entonces, puedo derivar la matriz de varianza-covarianza de la función de autocorrelación de . Esta será una matriz de Toeplitz, que es semidefinida positiva. Por lo tanto, puedo calcular …

8 time-series  covariance-matrix 

Tengo problemas para encontrar una solución con respecto a cómo ejecutar una prueba post-hoc (Tukey HSD) después de un ANOVA de medidas repetidas de 2 factores (ambos dentro de los sujetos) en R. Para el ANOVA, he usado la función aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Después …

8 r  anova  repeated-measures  post-hoc  tukey-hsd  goodness-of-fit  curve-fitting  sem  latent-variable  mplus  anova  post-hoc  tukey-hsd  markov-process  image-processing  r  time-series  causality  granger-causality  anova  mixed-model  lme4-nlme  random-effects-model  r  matlab  data-transformation  multinomial  notation  estimation  nonparametric  logistic  r  missing-data  multiple-imputation  mice 

Actualmente estoy usando R para predecir una serie temporal con estas instrucciones: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como puede ver, tengo datos cada hora, y elegí el período estacional de 24 (un día). Me gustaría mejorar mi pronóstico utilizando un período …

8 r  time-series  arima  seasonality  multiple-seasonalities