Preguntas etiquetadas con time-series

¿Cuál es la mejor manera de definir el proceso de ruido blanco para que sea intuitivo y fácil de entender?

25 time-series 

He comenzado a trabajar a través de Tutoriales de minería de datos estadísticos de Andrew Moore (muy recomendable para cualquier otra persona que se aventura por primera vez en este campo). Comencé leyendo este PDF extremadamente interesante titulado "Introducción general de los algoritmos de detección de anomalías basados ​​en series …

25 time-series  outliers  signal-processing  wavelet 

Esto puede ser difícil de encontrar, pero me gustaría leer un ejemplo ARIMA bien explicado que usa matemáticas mínimas extiende la discusión más allá de construir un modelo para usar ese modelo para pronosticar casos específicos utiliza gráficos y resultados numéricos para caracterizar el ajuste entre los valores pronosticados y …

25 time-series  arima  intuition 

Tengo una serie de tiempo y quiero subgrupo mientras la mantengo como una serie de tiempo, preservando el inicio, el final y la frecuencia. Por ejemplo, digamos que tengo una serie de tiempo: > qs <- ts(101:110, start=c(2009, 2), frequency=4) > qs Qtr1 Qtr2 Qtr3 Qtr4 2009 101 102 103 …

25 r  time-series 

Estoy tratando de hacer análisis de series de tiempo y soy nuevo en este campo. Tengo un recuento diario de un evento del 2006 al 2009 y quiero ajustarle un modelo de serie temporal. Aquí está el progreso que he hecho: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) La trama resultante que obtengo …

25 r  time-series  seasonality  multiple-seasonalities  tbats  hypothesis-testing  beta-distribution  machine-learning  unsupervised-learning  supervised-learning  reinforcement-learning 

Actualmente estoy usando AnomalyDetection de Twitter en R: https://github.com/twitter/AnomalyDetection . Este algoritmo proporciona detección de anomalías de series temporales para datos con estacionalidad. Pregunta: ¿hay otros algoritmos similares a este (no importa controlar la estacionalidad)? Estoy tratando de puntuar tantos algoritmos de series temporales como sea posible en mis datos …

24 r  regression  time-series  anomaly-detection 

El siguiente código evalúa la similitud entre dos series de tiempo: set.seed(10) RandData <- rnorm(8760*2) America <- rep(c('NewYork','Miami'),each=8760) Date = seq(from=as.POSIXct("1991-01-01 00:00"), to=as.POSIXct("1991-12-31 23:00"), length=8760) DatNew <- data.frame(Loc = America, Doy = as.numeric(format(Date,format = "%j")), Tod = as.numeric(format(Date,format = "%H")), Temp = RandData, DecTime = rep(seq(1, length(RandData)/2) / (length(RandData)/2), 2)) …

24 r  time-series  data-visualization  gam 

¿Cuál es la forma / método más fácil para calcular la correlación entre dos series de tiempo que son exactamente del mismo tamaño? Pensé en multiplicar y , y sumar la multiplicación. Entonces, si este número único fue positivo, ¿podemos decir que estas dos series están correlacionadas? Sin embargo, puedo …

24 time-series 

Estoy buscando un módulo de Python que realice un análisis de punto de cambio en una serie de tiempo. Hay varios algoritmos diferentes y me gustaría explorar la eficacia de algunos de ellos sin tener que manipular manualmente cada uno de los algoritmos. Idealmente, me gustaría tener algunos módulos como …

24 time-series  python  change-point 

Usualmente usamos PCA como técnica de reducción de dimensionalidad para datos donde se supone que los casos son iid Pregunta: ¿Cuáles son los matices típicos en la aplicación de PCA para datos dependientes que no son iid? ¿Qué propiedades agradables / útiles de PCA que se mantienen para los datos …

23 time-series  pca  non-independent  iid 

En una pregunta que hice recientemente , me dijeron que era un gran "no-no" extrapolar con loess. Pero, en el artículo más reciente de Nate Silver en FiveThirtyEight.com , habló sobre el uso de loess para hacer predicciones electorales. Estaba discutiendo los detalles específicos de los pronósticos agresivos versus conservadores …

23 time-series  forecasting  predictive-models  loess  politics 

Entiendo que deberíamos usar ARIMA para modelar una serie de tiempo no estacionaria. Además, todo lo que leo dice que ARMA solo debe usarse para series temporales estacionarias. Lo que estoy tratando de entender es, ¿qué sucede en la práctica cuando clasifico mal un modelo y supongo d = 0una …

23 r  time-series  arima  stationarity 

Esta mañana me desperté preguntándome (esto podría deberse al hecho de que anoche no dormí mucho): dado que la validación cruzada parece ser la piedra angular del pronóstico adecuado de series temporales, ¿cuáles son los modelos que debería "normalmente"? "validación cruzada contra? Se me ocurrieron algunos (fáciles), pero pronto me …

23 time-series  cross-validation  arima 

Al hacer una investigación de series temporales en R, descubrí que arima solo proporciona los valores de los coeficientes y sus errores estándar del modelo ajustado. Sin embargo, también quiero obtener el valor p de los coeficientes. No encontré ninguna función que proporcione la importancia de coef. Así que deseo …

23 r  time-series  chi-squared  arima  parametric 

¿Alguien tiene un buen ejemplo para el pronóstico / suavizado de series temporales con el filtro de Kalman en R?

23 r  time-series  kalman-filter