Запитання з тегом «seasonality»

Я хочу виявити сезонність у даних, які я отримую. Є деякі методи, які я знайшов, як графік сезонних підгалузей та графік автокореляції, але річ у тому, що я не розумію, як читати графік, хтось може допомогти? Інша справа, чи існують інші методи виявлення сезонності з або без кінцевого результату у …

56 time-series  seasonality 

Я намагаюся зробити аналіз часових рядів і я новачок у цій галузі. Я щодня перераховую подію 2006–2009 рр. І хочу приєднати до неї модель часових рядів. Ось прогрес, який я досяг: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Отриманий сюжет я отримую: Щоб перевірити, чи є сезонність і тенденція в даних, чи ні, …

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

У мене 17 років (з 1995 по 2011 рік) даних свідоцтва про смерть, пов’язаних із смертю від самогубства для штату в США. Існує багато міфологій про самогубства та місяці / пори року, багато чого суперечливе, а також про літературу, яку я ' Подивившись, я не розумію використаних методів або впевненості …

24 r  chi-squared  arima  count-data  seasonality 

Я вписую модель ARIMA у щоденний часовий ряд. Дані збираються щодня з 02-01-2010 по 30-07-2011 і стосуються продажів газет. Оскільки щотижневий зразок продажів можна знайти (середньоденна кількість проданих примірників зазвичай однакова з понеділка по п’ятницю, потім збільшується в суботу та неділю), я намагаюся зафіксувати цю «сезонність». Враховуючи дані "продажів", я …

21 r  time-series  arima  seasonality 

Сезонне коригування є важливим кроком попередньої обробки даних для подальшого дослідження. Однак у дослідника є ряд варіантів сезонного розкладання тренд-циклу. Найпоширенішими (судячи з кількості цитат в емпіричній літературі) конкуруючими сезонними методами декомпозиції є X-11 (12) -ARIMA, Tramo / Seats (обидва реалізовані в Demetra + ) та ' stl . Прагнучи …

20 time-series  data-transformation  methodology  seasonality 

Це довгий пост, тому я сподіваюся, що ви можете перенести зі мною, і, будь ласка, виправте мене там, де я помиляюся. Моя мета - складати щоденний прогноз на основі 3 або 4 тижнів історичних даних. Дані - це 15-хвилинні дані локального навантаження однієї з трансформаторних ліній. У мене виникають проблеми …

16 forecasting  arima  model-selection  seasonality  fourier-transform 

Використовуючи Rдля розкладання STL, s.windowконтролює, наскільки швидко може змінитися сезонний компонент. Невеликі значення дозволяють швидше змінюватися. Встановлення сезонного вікна нескінченним є еквівалентним примушуванню сезонного компонента бути періодичним (тобто однаковим протягом років). Мої запитання: Якщо у мене є щомісячний часовий ряд (тобто частота дорівнює ), які критерії слід використовувати для встановлення …

16 r  time-series  trend  seasonality 

У мене є багатофакторний набір даних часових рядів, включаючи взаємодіючі біологічні та екологічні змінні (плюс, можливо, деякі екзогенні змінні). Крім сезонності, даних немає чіткої довгострокової тенденції. Моя мета - побачити, які змінні пов'язані між собою. Прогнозування насправді не шукали. Будучи новим у аналізі часових рядів, я прочитав кілька посилань. Наскільки …

15 r  time-series  var  seasonality 

Здається, існує велика плутанина в порівнянні використання glmnetв рамках caretпошуку оптимальної лямбда та використання cv.glmnetтого ж завдання. Поставлено багато питань, наприклад: Класифікаційна модель train.glmnet vs. cv.glmnet? Який правильний спосіб використання glmnet з каретою? Перехресне підтвердження `glmnet` за допомогою` caret` але відповіді не надано, що може бути пов'язано з відтворюваністю питання. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

У мене дуже великий набір даних, і близько 5% випадкових значень відсутні. Ці змінні співвідносяться між собою. Наступний приклад набору даних R - це лише іграшковий приклад з манекено-корельованими даними. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Основна редакція: Я хотів би сказати велике спасибі Dave & Nick за їх відгуки. Хороша новина полягає в тому, що я отримав цикл для роботи (принцип, запозичений з посади проф. Гіднмана щодо пакетного прогнозування). Щоб консолідувати невирішені запити: а) Як я збільшую максимальну кількість ітерацій для auto.arima - схоже, що …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

Я побудував наступний код з функцією stl (Сезонне декомпозиція часових рядів по Лоссу): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Він показує знакову сезонність з випадковими даними, введеними в код вище (функція rnorm). Значні зміни спостерігаються щоразу, коли цей запуск виконується, хоча шаблон є іншим. Нижче показано дві такі схеми: Як ми можемо розраховувати …

11 time-series  seasonality  loess 

Працюючи з часовими рядами, ми іноді виявляємо та вилучаємо сезонність за допомогою спектрального аналізу. Я справжній початківець у часових рядах, і мене бентежить, чому б хотілося зняти сезонність із початкового часового ряду? Чи не усунення сезонності спотворює вихідні дані? Які переваги ми отримуємо, будуючи часовий ряд, вилучаючи сезонність?

11 time-series  seasonality 

Я хочу прогнозувати товари роздрібної торгівлі (за тиждень) за допомогою експоненціального згладжування. Зараз я застряг у тому, як обчислювати, зберігати та застосовувати індекси сезональності. Проблема полягає в тому, що всі знайдені нами приклади стосуються якоїсь простої сезонності. У моєму випадку у мене є такі проблеми: 1. Пори року не відбуваються …

11 time-series  seasonality 

У мене є два часові ряди щоденних даних. Один є, sign-upsа другий terminationsпередплати. Я хотів би передбачити останнє, використовуючи інформацію, що міститься в обох змінних. Переглядаючи графік цих рядів, очевидно, що закінчення співвідносяться з кратними реєстраціями місяцями раніше. Тобто, сплеск підписок 10 травня призведе до збільшення термінів припинення в 10 …

11 r  time-series  seasonality  var