Pytania otagowane jako seasonality

Sezonowość odnosi się do powtarzających się fluktuacji wokół średniej szeregu czasowego dla danego okresu, zwykle roku kalendarzowego.

6
Jaką metodę można zastosować do wykrycia sezonowości danych?
Chcę wykryć sezonowość w danych, które otrzymuję. Znalazłem kilka metod, takich jak wykres sezonowych podserii i wykres autokorelacji, ale chodzi o to, że nie rozumiem, jak czytać wykres, czy ktoś mógłby pomóc? Inną kwestią jest to, czy istnieją inne metody wykrywania sezonowości z końcowym wynikiem na wykresie lub bez?

3
Analiza dziennych szeregów czasowych
Próbuję przeprowadzić analizę szeregów czasowych i jestem nowy w tej dziedzinie. Codziennie liczę wydarzenie z lat 2006-2009 i chcę dopasować do niego model szeregów czasowych. Oto postęp, który poczyniłem: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Otrzymany wykres to: Aby sprawdzić, czy dane zawierają sezonowość i trendy, wykonuję kroki wymienione w tym poście …

4
Czy jest to właściwa metoda testowania skutków sezonowych w danych dotyczących liczby samobójstw?
Mam 17 lat (1995–2011) danych dotyczących aktu zgonu związanych ze śmiercią samobójczą dla stanu w USA. Istnieje wiele mitologii na temat samobójstw i miesięcy / pór roku, wiele z nich jest sprzecznych, a literatura I ” Po przejrzeniu recenzji nie rozumiem zastosowanych metod ani nie ufam wynikom. Dlatego postanowiłem sprawdzić, …

3
Auto.arima z danymi dziennymi: jak uchwycić sezonowość / okresowość?
Dopasowuję model ARIMA do codziennych szeregów czasowych. Dane są gromadzone codziennie od 02-01-2010 do 30-07-2011 i dotyczą sprzedaży gazet. Ponieważ można znaleźć tygodniowy wzorzec sprzedaży (średnia dzienna liczba sprzedanych egzemplarzy jest zwykle taka sama od poniedziałku do piątku, a następnie wzrasta w sobotę i niedzielę), staram się uchwycić tę „sezonowość”. …

2
Wybór metody rozkładu sezonowego
Dostosowanie sezonowe jest kluczowym etapem wstępnego przetwarzania danych do dalszych badań. Badacz ma jednak wiele opcji rozkładu sezonowego w cyklu trendu. Najczęstszymi (sądząc po liczbie cytowań w literaturze empirycznej) rywalizującymi metodami rozkładu sezonowego są X-11 (12) -ARIMA, Tramo / Seats (oba zaimplementowane w Demetra + ) i 's stl . …


1
Kryteria do ustawienia szerokości okna STL s
Za pomocą Rprzeprowadzania rozkładu STL s.windowkontroluje, jak szybko składnik sezonowy może się zmieniać. Małe wartości pozwalają na szybszą zmianę. Ustawienie nieskończoności okna sezonowego jest równoznaczne z wymuszeniem okresowego komponentu sezonowego (tj. Identycznego przez lata). Moje pytania: Jeśli mam miesięczny szereg czasowy (czyli częstotliwość równa ), jakie kryteria należy zastosować ?121212s.window …

1
Wieloczynnikowe biologiczne szeregi czasowe: VAR i sezonowość
Mam wielowymiarowy zestaw danych szeregów czasowych, w tym oddziałujące zmienne biologiczne i środowiskowe (oraz ewentualnie niektóre zmienne egzogeniczne). Oprócz sezonowości w danych nie ma wyraźnego trendu długoterminowego. Moim celem jest sprawdzenie, które zmienne są ze sobą powiązane. Tak naprawdę nie szuka się prognozowania. Będąc nowym w analizie szeregów czasowych, przeczytałem …

1
Caret glmnet vs cv.glmnet
Wydaje się, że istnieje wiele zamieszania w porównaniu używania glmnetwewnątrz w caretcelu znalezienia optymalnej lambdy i korzystania cv.glmnetz tego samego zadania. Zadano wiele pytań, np .: Model klasyfikacji train.glmnet vs. cv.glmnet? Jaki jest właściwy sposób używania glmnet z karetką? Cross-validation `glmnet` za pomocą` caret` ale nie udzielono odpowiedzi, co może …

5
Jak wykonać przypisanie wartości w bardzo dużej liczbie punktów danych?
Mam bardzo duży zestaw danych i brakuje około 5% wartości losowych. Te zmienne są ze sobą skorelowane. Poniższy przykładowy zestaw danych R jest tylko zabawkowym przykładem z fałszywymi skorelowanymi danymi. 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 

2
Prognozowanie godzinowych szeregów czasowych z częstotliwością dzienną, tygodniową i roczną
Ważna edycja: Chciałbym jak dotąd podziękować Dave'owi i Nickowi za ich odpowiedzi. Dobrą wiadomością jest to, że dostałem pętlę do pracy (zasada zapożyczona z postu prof. Hydnmana na temat prognozowania partii). Aby skonsolidować zaległe zapytania: a) Jak zwiększyć maksymalną liczbę iteracji dla auto.arima - wydaje się, że przy dużej liczbie …

2
Dlaczego funkcja STL daje znaczną zmienność sezonową z danymi losowymi
Narysowałem następujący kod z funkcją stl (Seasonal Decomposition of Time Series by Loess): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Pokazuje znaczącą zmienność sezonową z losowymi danymi umieszczonymi powyżej w kodzie (funkcja rnorm). Odmiana sygnalizująca jest widoczna za każdym razem, gdy jest uruchamiana, chociaż wzór jest inny. Dwa takie wzory pokazano poniżej: Jak możemy …

2
Dlaczego powinniśmy usuwać sezonowość z szeregów czasowych?
Podczas pracy z szeregami czasowymi czasami wykrywamy i usuwamy sezonowość za pomocą analizy spektralnej. Jestem prawdziwym początkującym w szeregach czasowych i jestem zdezorientowany, dlaczego ktoś chciałby usunąć sezonowość z oryginalnej serii czasowej? Czy usunięcie sezonowości nie zakłóca oryginalnych danych? Jakie korzyści czerpiemy dzięki konstruowaniu szeregów czasowych poprzez usunięcie sezonowości?

2
Obliczanie wskaźników sezonowości dla złożonej sezonowości
Chcę prognozować artykuły detaliczne (według tygodnia) za pomocą wygładzania wykładniczego. W tej chwili utknąłem w sposobie obliczania, przechowywania i stosowania indeksów sesonalności. Problem polega na tym, że wszystkie przykłady, które znalazłem, dotyczą pewnego rodzaju sezonowości. W moim przypadku mam następujące problemy: 1. Pory roku nie występują w tym samym tygodniu …

2
Jak modelować efekty miesiąc do miesiąca w danych dziennych szeregów czasowych?
Mam dwie serie danych dziennych. Jedna z nich to sign-upsdruga terminationssubskrypcja. Chciałbym przewidzieć ten drugi, wykorzystując informacje zawarte w obu zmiennych. Patrząc na wykres tych serii, oczywiste jest, że zakończenia są skorelowane z wielokrotnością rejestracji sprzed miesięcy. Oznacza to, że skok liczby rejestracji w dniu 10 maja doprowadzi do wzrostu …

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.