Tengo experiencia previa con validación cruzada K-fold 'normal' para el ajuste del modelo y estoy un poco confundido por la aplicación en modelos de series temporales. Tengo entendido que para los modelos de series temporales, el corolario de la validación cruzada es el procedimiento de "origen...
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...
Actualmente estoy trabajando en un proyecto para hacer pronósticos de datos de series temporales (datos mensuales). Estoy usando R para hacer el pronóstico. Tengo 1 variable dependiente (y) y 3 variables independientes (x1, x2, x3). La variable y tiene 73 observaciones, al igual que las otras 3...
Tengo un conjunto de datos donde la intuición empírica dice que debería esperar una estacionalidad semanal (es decir, el comportamiento en sábado y domingo es diferente del resto de la semana). ¿Debería ser cierta esta premisa, no debería un gráfico de autocorrelación darme ráfagas en múltiplos de...
Me gustaría descomponer los siguientes datos de series temporales en componentes de temporada, tendencia y residuales. Los datos son un Perfil de Energía de Enfriamiento por hora de un edificio comercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18),...
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...
Estoy investigando sobre predicciones de series temporales de funciones de densidad de probabilidad. Nuestro objetivo es pronosticar un PDF dado un PDF históricamente observado (generalmente, estimado). El método de pronóstico que estamos desarrollando funciona bastante bien en los estudios de...
Estoy tratando de encontrar una manera de corregir los valores atípicos una vez que los encuentro / detecto en datos de series de tiempo. Algunos métodos, como nnetar en R, dan algunos errores para series de tiempo con valores atípicos grandes / grandes. Ya logré corregir los valores faltantes,...
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...
Uno de los problemas importantes que enfrentan los pronosticadores es si las series dadas se pueden pronosticar o no. Me topé con un artículo titulado "La entropía como un indicador prioritario de previsibilidad " de Peter Catt que utiliza la entropía aproximada (ApEn) como una medida relativa...
¿Cuáles son las diferencias en el uso de modelos lineales generalizados, como la determinación automática de relevancia (ARD) y la regresión de Ridge, en comparación con modelos de series de tiempo como Box-Jenkins (ARIMA) o suavizado exponencial para el pronóstico? ¿Existen reglas generales sobre...
Soy analista en el campo financiero y de seguros y cada vez que trato de adaptarme a los modelos de volatilidad obtengo resultados terribles: los residuos son a menudo no estacionarios (en el sentido de la raíz de la unidad) y heterocedasticos (por lo que el modelo no explica la volatilidad). ¿Los...
¿Cuáles son las ventajas de expresar un modelo ARMA como un modelo de espacio de estado y hacer pronósticos usando un filtro de Kalman? Esta metodología se utiliza, por ejemplo, en la implementación de SARIMAX de modelos de estadísticas de
Estoy tratando de construir un modelo de pronóstico de regresión de series de tiempo para una variable de resultado, en dólares, en términos de otros predictores / variables de entrada y errores autocorrelacionados. Este tipo de modelo también se llama modelo de regresión dinámica. Necesito...
Introducción En la combinación de pronósticos, una de las soluciones populares se basa en la aplicación de algún criterio de información. Tomando, por ejemplo, el criterio de Akaike estimado para el modelo , uno podría calcular las diferencias de de y luego RP_j = e ^ {(AIC ^ * - AIC_j) / 2}...
Como pasatiempo secundario, he estado explorando las series temporales de pronósticos (en particular, usando R). Para mis datos, tengo el número de visitas por día, por cada día que se remonta a casi 4 años. En estos datos hay algunos patrones distintos: De lunes a viernes tiene muchas visitas...
El problema con el que estoy lidiando es predecir valores de series de tiempo. Estoy mirando una serie de tiempo a la vez y, por ejemplo, en base al 15% de los datos de entrada, me gustaría predecir sus valores futuros. Hasta ahora me he encontrado con dos modelos: LSTM (memoria a largo plazo;...
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...
Estoy trabajando en el desarrollo de un modelo para predecir las ventas totales de un producto. Tengo aproximadamente un año y medio de datos de reservas, por lo que podría hacer un análisis estándar de series de tiempo. Sin embargo, también tengo muchos datos sobre cada 'oportunidad' (venta...
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...