El modelo autorregresivo (AR) es un proceso estocástico que modela series de tiempo, que especifica el valor de la serie linealmente en términos de los valores anteriores.
Estoy tratando de entender un documento sobre el pronóstico de la carga eléctrica, pero estoy luchando con los conceptos internos, especialmente el modelo SARIMAX . Este modelo se usa para predecir la carga y utiliza muchos conceptos estadísticos que no entiendo (soy un estudiante universitario de...
Entiendo que si un proceso depende de valores anteriores de sí mismo, entonces es un proceso AR. Si depende de errores anteriores, entonces es un proceso de MA. ¿Cuándo ocurriría una de estas dos situaciones? ¿Alguien tiene un ejemplo sólido que ilumine el problema subyacente con respecto a lo que...
Pensando en usar redes neuronales recurrentes para el pronóstico de series de tiempo. Básicamente implementan una especie de regresión automática no lineal generalizada, en comparación con los modelos ARMA y ARIMA que utilizan la regresión automática lineal. Si estamos realizando una regresión...
Tengo problemas para entender por qué nos importa si un proceso de MA es invertible o no. Corríjame si me equivoco, pero puedo entender por qué nos importa si un proceso AR es causal o no, es decir, si podemos "reescribirlo", por así decirlo, como la suma de algún parámetro y ruido blanco. es...
1. El problema Tengo algunas mediciones de una variable ytyty_t , donde t=1,2,..,nt=1,2,..,nt=1,2,..,n , para el cual tengo una distribución fyt(yt)fyt(yt)f_{y_t}(y_t) obtenida a través de MCMC, que por simplicidad supondré que es una gaussiana de media μtμt\mu_t y varianza σ2tσt2\sigma_t^2...
Han pasado más de 2 años que estoy trabajando en diferentes series de tiempo. He leído en muchos artículos que ACF se usa para identificar el orden del término MA y PACF para AR. Hay una regla general para MA, el retraso donde ACF se apaga repentinamente es el orden de MA y de manera similar para...
Modelo lineal simple: ϵ t N ( 0 , σ 2 )x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t donde ~ iidϵtϵt\epsilon_tnorte( 0 , σ2)N(0,σ2)N(0,\sigma^2) con yV a r ( x ) = σ 2mi( x ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): ϵ t N ( 0 , σ 2 )Xt= α Xt - 1+ ϵtXt=αXt−1+ϵtX_t...
Considere un modelo AR ( ) (suponiendo una media cero por simplicidad):ppp xt=φ1xt−1+…+φpxt−p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t Se sabe que el estimador OLS (equivalente al estimador condicional de máxima verosimilitud) para está...
Estoy tratando de entender por qué OLS da un estimador sesgado de un proceso AR (1). Considere En este modelo, se viola la exogeneidad estricta, es decir, y están correlacionados pero y no están correlacionados. Pero si esto es cierto, ¿por qué no se cumple la siguiente derivación...
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". Sin embargo, la salida...
Intento utilizar la regresión de RF para hacer predicciones sobre el rendimiento de una fábrica de papel. Tengo datos minuto a minuto para las entradas (velocidad y cantidad de pulpa de madera que ingresa, etc.), así como para el rendimiento de la máquina (papel producido, energía consumida por la...
¿Cuáles son los enfoques habituales para modelar series de tiempo binarias? ¿Hay un libro de papel o de texto donde se trata esto? Pienso en un proceso binario con fuerte autocorrelación. Algo así como el signo de un proceso AR (1) que comienza en cero. Diga y con ruido blanco . Luego, la serie...
Cuando calculo una caminata aleatoria con un AR (1), el coeficiente es muy cercano a 1 pero siempre menor. ¿Cuál es la razón matemática por la cual el coeficiente no es mayor que
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...
El principal problema es: no puedo obtener estimaciones de parámetros similares con EViews y R. Por razones que no conozco, necesito estimar parámetros para ciertos datos usando EViews. Esto se hace seleccionando la opción NLS (mínimos cuadrados no lineales) y utilizando la siguiente...
¿Cuáles son las diferencias entre VAR (vector de regresión automática) y
Quiero generar una serie temporal sintética. La serie temporal debe ser una cadena de Markov con una distribución marginal gamma y un parámetro AR (1) de . ¿Puedo hacer esto simplemente usando una distribución gamma como término de ruido en un modelo AR (1), o necesito usar un enfoque más...
A menudo, en la literatura, los autores han estado interesados en encontrar la distribución estacionaria de un proceso de series de tiempo. Por ejemplo, considere el siguiente proceso simple AR ( ) : donde .111{Xt}{Xt}\{X_t\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t,...