Statystyki i duże zbiory danych autoregressive

1

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 …

27 regression time-series arima autoregressive intuition

4

W jakich okolicznościach odpowiedni jest proces magistra lub proces AR?

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 …

21 time-series autoregressive moving-average

2

Jeśli model automatycznej regresji szeregów czasowych jest nieliniowy, czy nadal wymaga stacjonarności?

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 …

17 time-series autoregressive nonlinear stationarity

1

Dlaczego przejmujemy się tym, że proces MA jest odwracalny?

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 …

14 time-series mathematical-statistics autoregressive moving-average

2

Proces AR (1) z heteroscedastycznymi błędami pomiaru

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 …

13 time-series mcmc autoregressive likelihood

3

W jaki sposób ACF i PACF identyfikują kolejność warunków MA i AR?

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 …

13 time-series arima autoregressive moving-average

3

Jaka jest różnica między modelem deterministycznym a stochastycznym?

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 …

11 regression stochastic-processes autoregressive deterministic

3

Dlaczego estymator OLS współczynnika AR (1) jest tendencyjny?

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} &= …

11 time-series least-squares bias autoregressive estimators

2

Bezstronny estymator dla modelu AR ( )

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 …

11 time-series maximum-likelihood autoregressive unbiased-estimator

1

Regresja losowa lasu dla prognoz szeregów czasowych

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 …

10 time-series forecasting cross-validation random-forest autoregressive

1

Modelowanie autokorelowanych binarnych szeregów czasowych

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 …

10 regression time-series logistic binary-data autoregressive

2

Szacowanie losowego marszu z AR (1)

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?

10 regression autoregressive random-walk

1

Różnice R i EView oszacowań AR (1)

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 …

10 r autoregressive software

4

Model historii zdarzeń dyskretnych (przeżycie) w R.

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 …

10 r survival pca sas matlab neural-networks r logistic spatial spatial-interaction-model r time-series econometrics var statistical-significance t-test cross-validation sample-size r regression optimization least-squares constrained-regression nonparametric ordinal-data wilcoxon-signed-rank references neural-networks jags bugs hierarchical-bayesian gaussian-mixture r regression svm predictive-models libsvm scikit-learn probability self-study stata sample-size spss wilcoxon-mann-whitney survey ordinal-data likert group-differences r regression anova mathematical-statistics normal-distribution random-generation truncation repeated-measures variance variability distributions random-generation uniform regression r generalized-linear-model goodness-of-fit data-visualization r time-series arima autoregressive confidence-interval r time-series arima autocorrelation seasonality hypothesis-testing bayesian frequentist uninformative-prior correlation matlab cross-correlation

1

R regresja liniowa zmienna kategorialna „ukryta” wartość

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 …

10 r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

Pytania otagowane jako autoregressive