タグ付けされた質問 「moving-window」

非常に大きなデータセットがあり、約5％のランダムな値が欠落しています。これらの変数は互いに相関しています。次のRデータセットの例は、ダミーの相関データを使用した単なるおもちゃの例です。 set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) <- paste("sample", 1:200, sep = "") #M variables are correlated N <- 2000000*0.05 # 5% random missing values inds <- round ( runif(N, 1, length(xmat)) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

たとえば、観測の時系列があり、その時系列の分散の測定値を、幅ローリングウィンドウの標準偏差（SD）として計算し、そのウィンドウが系列上で単一の時間ステップで移動するとします。さらに仮定するW = ⌈ N / 2 ⌉、ここでnは観測の数であり、ウィンドウが右に整列されます。私が観察する必要がありwは= ⌈ N / 2 ⌉私は、時系列のSDの移動ウィンドウ推定値を得始める前に、系列の値。wwwW = ⌈ N / 2 ⌉w=⌈n/2⌉w = \left \lceil{n/2}\right \rceilんnnW = ⌈ N / 2 ⌉w=⌈n/2⌉w = \left \lceil{n/2}\right \rceil SD値の新しい時系列のACFに期待される形式はありますか？以前の値への依存はのウィンドウに関連していると思いますが、そのようなシリーズのACFはM A（w ）プロセスのACFに関連していますか？wwwM A（w）MA(w)\mathrm{MA}(w) バックグラウンド 移動するウィンドウを介して、元の時系列の分散の時系列を導出することの影響を検討しようとしています。SD値の派生シリーズを計算したら、通常適用される次のステップは、SD値の派生シリーズに何らかの傾向があるかどうかを確認することです。派生シリーズの各値は、元のシリーズの以前の値にある程度依存するため、派生シリーズの値は独立していません。したがって、頻繁に発生する問題は、独立性の欠如をどのように説明するかです。 そのような計算（移動ウィンドウ）は、切迫したしきい値応答（いわゆるクリティカル遷移）のインジケーター（分散の増加、AR（1）係数の増加）の証拠を探すために時系列で行われることがよくあります。

8 time-series  autocorrelation  moving-window 

指数移動平均のアルファパラメータは、平均が時系列に適用される平滑化を定義します。同様に、移動ウィンドウ平均のウィンドウサイズも平滑化を定義します。 平滑化が特定のサイズの移動ウィンドウ平均の平滑化とほぼ同じになるようにアルファパラメータを調整する方法はありますか？（明らかに、同じ結果を探しているわけではなく、オフセットは問題ありません）。それで、結果の時系列が3か月の移動ウィンドウによって提供される結果にできるだけ近い形になるようにアルファを調整すると言いますか？ 編集：コンテキスト：異なる深さを抽象的に表す降雨データから、土壌水分の複数のプロキシを生成しようとしています（長期的な降雨平均に関連していると想定しています）。移動ウィンドウを使用すると、たとえば過去3日間、3か月、または1年間の総降水量を計算できます。これは、それぞれ上部の数センチメートルの土壌、上部のメーター、および拡張した土壌の柱に対応します。ただし、移動ウィンドウには過去のデータが必要です。これは常に利用できるとは限りません（たとえば、シリーズの開始時）。代わりに指数平均を使用する場合、各平均（前のタイムステップからの平均）ごとに1つの値を保存するだけでよく、この値は長期平均で初期化できます。

7 exponential-smoothing  moving-average  calibration  moving-window