Obecnie pracuję nad problemem, w którym muszę opracować algorytm Monte Carlo (MCMC) łańcucha Markowa dla modelu przestrzeni stanów. Aby móc rozwiązać problem, podano mi następujące prawdopodobieństwo : p ( ) = 2I ( > 0) / (1+ ). jest odchyleniem standardowym .ττ\tauττ\tauττ\tauτ2)τ2)\tau^2ττ\tauxxx Więc teraz wiem, że jest to rozkład w …
\newcommand{\P}{\mathbb{P}} Mamy procesu losowego, które mogą, albo nie, może wystąpić wiele razy w zadanym okresie czasu . Mamy plik danych z wcześniej istniejącego modelu tego procesu, który zapewnia prawdopodobieństwo wystąpienia wielu zdarzeń w okresie 0 \ leq t <T . Ten istniejący model jest stary i musimy przeprowadzać bieżące kontrole …
Próbuję zrozumieć zastosowanie PCA w niedawnym artykule w czasopiśmie zatytułowanym „Mapowanie aktywności mózgu na dużą skalę za pomocą obliczeń klastrowych” Freeman i in., 2014 (bezpłatny plik pdf dostępny na stronie laboratorium ). Używają PCA do danych szeregów czasowych i wykorzystują wagi PCA do stworzenia mapy mózgu. Dane to średnie dane …
Wykonuję analizę danych szeregów czasowych metodami przestrzeni stanów. Z moich danych stochastyczny model na poziomie lokalnym całkowicie przewyższał model deterministyczny. Ale poziom deterministyczny i model nachylenia daje lepsze wyniki niż w przypadku poziomu stochastycznego i nachylenia stochastycznego / deterministycznego. Czy to jest coś zwykłego? Wszystkie metody w R wymagają wartości …
Mam zestaw danych szeregów czasowych, do którego próbuję dopasować ukryty model Markowa (HMM) w celu oszacowania liczby stanów ukrytych w danych. Mój pseudo-kod do tego jest następujący: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } Teraz, …
Pakiet MARSS w R oferuje funkcję dynamicznej analizy czynnikowej. W tym pakiecie dynamiczny model czynnikowy jest zapisany jako specjalna forma modelu przestrzeni stanów i zakładają one wspólne trendy zgodne z procesem AR (1). Ponieważ nie znam tych dwóch metod, mam dwa pytania: Czy dynamiczna analiza czynnikowa jest specjalną formą modelu …
Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w python-statsmodels: https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace
Jakie są kroki związane z użyciem filtrów Kalmana w modelach przestrzeni stanów? Widziałem kilka różnych sformułowań, ale nie jestem pewien szczegółów. Na przykład Cowpertwait zaczyna się od następującego zestawu równań: yt= F.′tθt+ vtyt=fat′θt+vty_{t} = F^{'}_{t}\theta_{t}+v_{t} θt= Gtθt - 1+ wtθt=soltθt-1+wt\theta_{t} = G_{t}\theta_{t-1}+w_{t} gdzie i , \ theta_ {t} to nasze …
P: Dla jakich danych właściwe jest stosowanie modelowania w przestrzeni stanów i filtrowania Kalmana zamiast wygładzania splajnów i odwrotnie? Czy istnieje jakaś relacja równoważności między nimi? Próbuję uzyskać ogólne zrozumienie, w jaki sposób te metody pasują do siebie. Przeglądałem nowe oszacowanie Gaussa: Modele sekwencyjne i wielorozdzielcze Johnstone'a . Zaskakujące było …
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.