Próbuję zrozumieć artykuł na temat prognozowania obciążenia elektrycznego, ale walczę z zawartymi w nim koncepcjami, zwłaszcza modelem SARIMAX . Ten model służy do przewidywania obciążenia i wykorzystuje wiele pojęć statystycznych, których nie rozumiem (jestem studentem informatyki na studiach licencjackich - możesz uznać mnie za laika w statystyce). Nie muszę całkowicie …
Rozumiem, że jeśli proces zależy od jego poprzednich wartości, to jest to proces AR. Jeśli zależy to od poprzednich błędów, jest to proces MA. Kiedy wystąpi jedna z tych dwóch sytuacji? Czy ktoś ma solidny przykład, który uwidacznia zasadniczą kwestię dotyczącą tego, co oznacza najlepiej modelować proces jako MA vs …
Myślenie o wykorzystaniu rekurencyjnych sieci neuronowych do prognozowania szeregów czasowych. Zasadniczo wdrażają rodzaj uogólnionej nieliniowej auto-regresji, w porównaniu do modeli ARMA i ARIMA, które wykorzystują liniową auto-regresję. Jeśli wykonujemy nieliniową autoregresję, czy nadal konieczne jest, aby szeregi czasowe były nieruchome i czy musielibyśmy różnicować sposób działania w modelach ARIMA? Czy …
Mam problem ze zrozumieniem, dlaczego dbamy o to, czy proces magistra jest odwracalny czy nie. Popraw mnie, jeśli się mylę, ale rozumiem, dlaczego dbamy o to, czy proces AR jest przyczynowy, tj. Czy możemy go „przepisać”, że tak powiem, jako sumę pewnego parametru i białego szumu - tj. proces średniej …
1. Problem Mam pomiarów zmiennej , gdzie t = 1 , 2 , . . , N , na które mają rozkład f a t ( R t ) uzyskanej poprzez MCMC, który dla uproszczenia będzie zakładać, że jest to Gaussa o średniej μ T a zmienność σ 2 t …
Od ponad 2 lat pracuję nad różnymi seriami czasowymi. Czytałem w wielu artykułach, że ACF służy do identyfikacji kolejności terminu MA, a PACF dla AR. Istnieje ogólna zasada, że dla MA opóźnienie, w którym ACF nagle się wyłącza, jest rzędu MA i podobnie dla PACF i AR. Oto jeden z …
Prosty model liniowy: ϵ t N ( 0 , σ 2 )x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t gdzie ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) z iE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): ϵ t N ( 0 , σ 2 )Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_t gdzie ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) z iE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=tσ2Var(x)=tσ2Var(x)=t\sigma^2 Tak więc prosty model …
Próbuję zrozumieć, dlaczego OLS podaje tendencyjny estymator procesu AR (1). Zastanów się W tym modelu naruszona jest ścisła egzogeniczność, tzn. y_t i \ epsilon_t są skorelowane, ale y_ {t-1} i \ epsilon_t są nieskorelowane. Ale jeśli jest to prawdą, to dlaczego poniższe proste wyprowadzenie nie działa? ytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= …
Rozważ model AR ( ) (zakładając zero dla uproszczenia):ppp xt=φ1xt−1+…+φpxt−p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t Oszacowano, że estymator OLS (równoważny estymatorowi warunkowego maksymalnego prawdopodobieństwa) dla jest tendencyjny, jak zauważono w ostatnim wątku .φ:=(φ1,…,φp)φ:=(φ1,…,φp)\mathbf{\varphi} := (\varphi_1,\dotsc,\varphi_p) (Co ciekawe, nie mogę znaleźć nastawienie mowa w Hamilton …
Próbuję wykorzystać regresję RF do prognozowania wydajności papierni. Mam dane minut po minucie dla danych wejściowych (szybkość i ilość miazgi drzewnej wchodzącej itp.), A także dla wydajności maszyny (wyprodukowany papier, moc pobierana przez maszynę) i szukam prognoz 10 minut wyprzedzić zmienne wydajności. Mam 12 miesięcy danych, więc podzieliłem je na …
Jakie jest typowe podejście do modelowania binarnych szeregów czasowych? Czy istnieje papier lub podręcznik, w którym jest to traktowane? Myślę o procesie binarnym z silną autokorelacją. Coś w rodzaju znaku procesu AR (1) rozpoczynającego się od zera. Powiedz X0=0X0=0X_0 = 0 i Xt+1=β1Xt+ϵt,Xt+1=β1Xt+ϵt, X_{t+1} = \beta_1 X_t + \epsilon_t, z …
Kiedy oceniam losowy spacer z AR (1), współczynnik jest bardzo bliski 1, ale zawsze mniejszy. Jaki jest powód matematyczny, że współczynnik nie jest większy niż jeden?
Główny problem to: nie mogę uzyskać podobnych oszacowań parametrów z EViews i R. Z powodów, których sam nie znam, muszę oszacować parametry dla niektórych danych za pomocą EViews. Odbywa się to poprzez wybranie opcji NLS (nieliniowe najmniejsze kwadraty) i użycie następującej formuły:indep_var c dep_var ar(1) EViews twierdzi , że szacuje …
Próbuję dopasować model czasu dyskretnego do R, ale nie jestem pewien, jak to zrobić. Czytałem, że możesz zorganizować zmienną zależną w różnych wierszach, po jednym dla każdej obserwacji czasu, i użyć glmfunkcji z łączem logit lub cloglog. W tym sensie, mam trzy kolumny: ID, Event(1 lub 0, w każdym okresie …
To tylko przykład, na który natknąłem się kilka razy, więc nie mam żadnych przykładowych danych. Uruchamianie modelu regresji liniowej w R: a.lm = lm(Y ~ x1 + x2) x1jest zmienną ciągłą. x2jest kategoryczny i ma trzy wartości, np. „Niska”, „Średnia” i „Wysoka”. Jednak dane wyjściowe podane przez R byłyby mniej …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.