Statystyki i duże zbiory danych forecasting

1

Jak porównać obserwowane i oczekiwane zdarzenia?

Załóżmy, że mam jedną próbkę częstotliwości 4 możliwych zdarzeń: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 i mam spodziewane prawdopodobieństwo wystąpienia moich zdarzeń: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Dzięki sumie obserwowanych częstotliwości moich czterech zdarzeń (18) mogę obliczyć …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

3

Jakiego modelu można użyć w przypadku naruszenia założenia stałej wariancji?

Ponieważ nie możemy dopasować modelu ARIMA w przypadku naruszenia założenia stałej wariancji, jaki model można zastosować do dopasowania szeregów czasowych jednowymiarowych?

9 time-series modeling forecasting arima

4

Jak dopasować model do szeregu czasowego zawierającego wartości odstające

Dopasowałem model ARIMA (5,1,2), używając auto.arima()funkcji w R i patrząc na porządek, możemy powiedzieć, że nie jest to najlepszy model do prognozowania. Jeśli w seriach danych występują wartości odstające, jaka jest metoda dopasowania modelu do takich danych?

9 r time-series forecasting outliers arima

2

Parametryczne, półparametryczne i nieparametryczne ładowanie początkowe dla modeli mieszanych

Z tego artykułu pochodzą następujące przeszczepy . Jestem nowicjuszem w bootstrapie i próbuję zaimplementować parametryczne, semiparametryczne i nieparametryczne bootstrapowanie dla liniowego modelu mieszanego z R bootpakietem. Kod R. Oto mój Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

1

Wzrost skorygowany sezonowo z miesiąca na miesiąc z podstawową tygodniową sezonowością

Jako hobby poboczne zajmowałem się prognozowaniem szeregów czasowych (w szczególności przy użyciu R). Dla moich danych mam liczbę odwiedzin dziennie, na każdy dzień sięgający prawie 4 lat. W tych danych są pewne wyraźne wzorce: Poniedziałek-piątek ma wiele odwiedzin (najwyższe w Pon / Wt), ale drastycznie mniej w soboty i soboty. …

9 r time-series seasonality forecasting

1

Jak połączyć prognozy, gdy zmienna odpowiedzi w modelach prognozowania była inna?

Wprowadzenie W połączeniu prognoz jedno z popularnych rozwiązań opiera się na zastosowaniu pewnego kryterium informacyjnego. Biorąc na przykład kryterium oszacowane dla modelu , można obliczyć różnice AIC_j od AIC ^ * = \ min_j {AIC_j}, a następnie RP_j = e ^ {(AIC ^ * - AIC_j) / 2} można interpretować …

9 time-series forecasting data-transformation econometrics

3

Jak tworzyć prognozy dla szeregów czasowych?

Nie znam się na analizie danych szeregów czasowych. Mam jednak, jak sądzę, proste zadanie przewidywania do rozwiązania. Mam około pięciu lat danych ze wspólnego procesu generowania. Każdego roku reprezentuje monotonicznie rosnącą funkcję o składniku nieliniowym. Mam liczenia na każdy tydzień w cyklu ponad 40 tygodni na każdy rok. Proces rozpoczyna …

9 time-series forecasting

2

Jak zidentyfikować funkcje przenoszenia w modelu prognozowania regresji szeregów czasowych?

Próbuję zbudować model prognozowania regresji szeregów czasowych dla zmiennej wynikowej, w kwocie dolarowej, pod względem innych predyktorów / zmiennych wejściowych i błędów autokorelowanych. Ten rodzaj modelu nazywany jest również modelem regresji dynamicznej. Muszę nauczyć się rozpoznawać funkcje przenoszenia dla każdego predyktora i chciałbym usłyszeć od ciebie o tym, jak to …

9 time-series forecasting dynamic-regression

Pytania otagowane jako forecasting