Estoy usando R (3.1.1) y modelos ARIMA para pronosticar. Me gustaría saber cuál debería ser el parámetro de "frecuencia", que se asigna en la ts()función , si estoy usando datos de series temporales que son: separado por minutos y se extiende por 180 días (1440 minutos / día) separado por...
Estoy tratando de hacer análisis de series de tiempo y soy nuevo en este campo. Tengo un recuento diario de un evento del 2006 al 2009 y quiero ajustarle un modelo de serie temporal. Aquí está el progreso que he hecho: timeSeriesObj =
Tengo una serie temporal que contiene componentes dobles estacionales y me gustaría descomponer la serie en los siguientes componentes de la serie temporal (tendencia, componente estacional 1, componente estacional 2 y componente irregular). Hasta donde sé, el procedimiento STL para descomponer una...
Estoy usando una serie temporal diaria de datos de ventas que contiene aproximadamente 2 años de puntos de datos diarios. Basado en algunos de los tutoriales / ejemplos en línea, traté de identificar la estacionalidad en los datos. Parece que hay una periodicidad / estacionalidad semanal, mensual y...
Edición importante: Me gustaría dar las gracias a Dave y Nick hasta ahora por sus respuestas. La buena noticia es que obtuve el bucle para trabajar (principio prestado de la publicación del Prof. Hydnman sobre pronóstico de lotes). Para consolidar las consultas pendientes: a) ¿Cómo puedo aumentar...
Tengo datos de demanda de media hora, que es una serie de tiempo de múltiples estaciones. He utilizado tbatsen el forecastpaquete en R, y dieron resultados como este: TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>}) ¿Significa que la serie no es necesariamente para usar la...
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),...
Actualmente estoy usando R para predecir una serie temporal con estas instrucciones: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como puede ver, tengo datos cada hora, y elegí el período...