Recientemente estaba buscando formas de volver a muestrear series temporales, de manera que
- Preservar aproximadamente la autocorrelación de los procesos de memoria larga.
- Preservar el dominio de las observaciones (por ejemplo, una serie de enteros de muestras repetidas sigue siendo una serie de enteros).
- Puede afectar solo algunas escalas, si es necesario.
Se me ocurrió el siguiente esquema de permutación para una serie temporal de longitud :
- Bin la serie de tiempo por pares de observaciones consecutivas (hay tales contenedores). Voltear cada uno de ellos ( es decir, índice de a ) de forma independiente con una probabilidad de 1 / 2 .
1:2
2:1
- Bin las series de tiempo obtenidas por observaciones consecutivas (hay 2 N - 2 tales contenedores). Invierta cada uno de ellos ( es decir, índice de a ) independientemente con probabilidad 1 /
1:2:3:4
4:3:2:1
. - Repetir el procedimiento con los compartimientos del tamaño , 16 , ..., 2 N - 1 siempre invirtiendo los contenedores con probabilidad 1 / 2 .
Este diseño era puramente empírico y estoy buscando trabajo que ya se hubiera publicado sobre este tipo de permutación. También estoy abierto a sugerencias para otras permutaciones o esquemas de remuestreo.
time-series
bootstrap
resampling
permutation-test
gui11aume
fuente
fuente
4:3:2:1
Respuestas:
Se ha trabajado mucho en grupos como este en el aspecto matemático, pero gran parte puede ser irrelevante para usted. Tomé la imagen de arriba de una pregunta reciente de MO sobre los subgrupos máximos del producto de corona iterada.
fuente