Solo quiero verificar que estoy interpretando los gráficos ACF y PACF correctamente: Los datos corresponden a los errores generados entre los puntos de datos reales y las estimaciones generadas utilizando un modelo AR (1). He visto la respuesta aquí: Estimar los coeficientes ARMA a través de...
La página de Wikipedia dice que Box-Jenkins es un método para ajustar un modelo ARIMA a una serie temporal. Ahora, si quiero ajustar un modelo ARIMA a una serie temporal, abriré SAS, llamaré proc ARIMA, proporcionaré los parámetros y SAS me dará los coeficientes AR y MA. Ahora, puedo probar...
He escuchado un poco sobre el uso de redes neuronales para pronosticar series temporales. ¿Cómo puedo comparar qué método para pronosticar mi serie temporal (datos minoristas diarios) es mejor: auto.arima (x), ets (x) o nnetar (x). Puedo comparar auto.arima con ets por AIC o BIC. ¿Pero cómo...
He estado trabajando durante meses en el pronóstico de carga a corto plazo y el uso de datos climáticos / climáticos para mejorar la precisión. Tengo experiencia en informática y por esta razón estoy tratando de no cometer grandes errores y comparaciones injustas al trabajar con herramientas...
Cuando comencé a leer sobre el filtro de Kalman, pensé que era un caso especial del modelo ARIMA (es decir, ARIMA (0,1,1)). Pero en realidad parece que la situación es más complicada. En primer lugar, ARIMA se puede utilizar para la predicción y el filtro de Kalman es para el filtrado. ¿Pero no...
Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos...
He revisado la respuesta a esta pregunta en stats.stackexchange: ¿Cuáles son los buenos recursos que proporcionan un historial de estadísticas? De hecho, el libro de Stigler "Estadísticas sobre la mesa" se ve excelente y estoy ansioso por leerlo. Pero estoy más interesado en el desarrollo de los...
Estoy tratando de ajustar un modelo de tiempo discreto en R, pero no estoy seguro de cómo hacerlo. He leído que puede organizar la variable dependiente en diferentes filas, una para cada observación de tiempo, y usar la glmfunción con un enlace logit o cloglog. En este sentido, tengo tres...
Estoy trabajando en un conjunto de datos. Después de usar algunas técnicas de identificación de modelos, obtuve un modelo ARIMA (0,2,1). Utilicé la detectIOfunción en el paquete TSAen R para detectar un valor atípico innovador (IO) en la observación número 48 de mi conjunto de datos...
Soy bastante nuevo en estadísticas y R. Me gustaría conocer el proceso para determinar los parámetros ARIMA para mi conjunto de datos. ¿Puedes ayudarme a descubrir lo mismo usando R y teóricamente (si es posible)? Los datos van del 12 de enero al 14 de marzo y muestran las ventas mensuales. Aquí...
Estoy ocupado con el modelado ARIMA aumentado con variables exógenas para fines de modelado promocional y me cuesta explicarlo a los usuarios comerciales. En algunos casos, los paquetes de software terminan con una función de transferencia simple, es decir, parámetro * Variable exógena. En este...
A medida que avanzo en el pronóstico con los modelos ARIMA, estoy tratando de entender cómo puedo mejorar un pronóstico basado en el ajuste ARIMA con la estacionalidad y la deriva. Mis datos son las siguientes series temporales (más de 3 años, con una clara tendencia al alza y una estacionalidad...
Dado que no podemos ajustar el modelo ARIMA cuando se viola el supuesto de varianza constante, ¿qué modelo se puede usar para ajustar series de tiempo
He ajustado el modelo ARIMA (5,1,2) usando la auto.arima()función en R y al mirar en orden podemos decir que este no es el mejor modelo para pronosticar. Si existen valores atípicos en la serie de datos, ¿cuál es el método para ajustar un modelo a dichos
Estoy tratando de modelar y pronosticar una serie de tiempo que es cíclica en lugar de estacional (es decir, hay patrones estacionales, pero no con un período fijo). Esto debería ser posible utilizando un modelo ARIMA, como se menciona en la Sección 8.5 de Pronósticos: principios y práctica : El...
Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi
Esto debe aparecer --- el pronóstico de cosas que están atrapadas entre 0 y 1. En mi serie, sospecho que hay un componente de regresión automática y también un componente de reversión a la media, por lo que quiero algo que pueda interpretar como un ARIMA --- pero no quiero que se dispare al 1000%...
Para explicar por qué tengo esa estúpida pregunta que encontrarás a continuación, debo decir que soy más una persona de aprendizaje automático. Mientras trabajaba en problemas de bioinformática, todo estaba bien. Cuando escuché palabras como "regresión" o "curtosis y asimetría", en el primer caso...
Tengo datos mensuales de 1993 a 2015 y me gustaría hacer pronósticos sobre estos datos. Utilicé el paquete tsoutliers para detectar los valores atípicos, pero no sé cómo continúo pronosticando con mi conjunto de datos. Este es mi
Mis datos son una serie temporal de población ocupada, L, y el lapso de tiempo, año. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e. NaN NaN NaN...