タグ付けされた質問 「seasonality」

指数平滑法を使用して小売商品を（週ごとに）予測したい。私は今、セソナリティインデックスを計算、保存、および適用する方法に行き詰っています。 問題は、私が見つけたすべての例が一種の単純な季節性を扱っていることです。私の場合、次の問題があります。1.季節が毎年同じ週に発生するわけではなく、移動可能です。マルディグラ、貸し出し、イースターなど。2.年によって季節が変わります。たとえば、国民の休暇シーズンがあります。休日が週末に近いかどうかに応じて、顧客は町を出るか、または行かないかです。つまり、2つのシーズンがあるようです。1つは、顧客が町を離れるシーズンと、もう1つは街を離れないシーズンです。3. 2シーズン（または3シーズン）が同時に発生することがあります。たとえば、バレンタインシーズンと同時に "マルディグラ"シーズンが発生しました。 4.季節によって期間が変わることがあります。たとえば、今年の初めに「ハロウィンシーズン」が始まりました。クリスマスも別の例で、毎年早くから製品を運ぶように思えます。 ある種の「季節プロファイル」を設定する方法を見つける必要があるようです。特定のシナリオによっては、正しい季節インデックスを取得するために何らかの方法で追加されます。それは理にかなっていますか？ これを行う方法に関する実用的な情報がどこにあるか知っている人はいますか？ ありがとう、エドガード

10 time-series  seasonality 

季節性のある時系列がある場合、それによって系列は自動的に非定常になりますか？私の直感（おそらくオフ）はそうではないということです。 季節性とは、シリーズが一定の値を中心に上下することを意味します。正弦波のようなものです。したがって、このロジックにより、季節性のある時系列は（弱い）定常系列（一定の平均）になります。 これは間違っていますか？どうして？

10 time-series  stationarity  seasonality 

Rに離散時間モデルを適合させようとしていますが、その方法がわかりません。 従属変数を時間監視ごとに1つずつ異なる行に編成し、glm関数をlogitまたはcloglogリンクで使用できることを読みました。この意味で、私は3つの列があります：ID、Event（各time-obsで1または0）およびTime Elapsed（観測の開始以降）、および他の共変量。 モデルに合うようにコードを書くにはどうすればよいですか？従属変数はどれですか？Event従属変数として使用できTime Elapsed、共変量に含めることができると思います。しかし、どうなりIDますか？必要ですか？ ありがとう。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

時系列の最も単純な季節性テストは何ですか？ より具体的に、私specific time series the seasonal componentは意味があるかどうかをテストしたいと思います。 Python / Rで推奨されるパッケージは何ですか？

9 r  time-series  hypothesis-testing  python  seasonality 

私は季節ではなく周期的な時系列をモデル化して予測しようとしています（つまり、季節に似たパターンがありますが、一定の期間ではありません）。これは、予測のセクション8.5で説明されているように、ARIMAモデルを使用して実行できるはずです。 データがサイクルを示す場合、の値は重要です。環状の予測を得るために、有することが必要であるP ≥ 2のパラメータのいくつかの追加の条件と一緒。AR（2）モデルの場合、サイクリック動作は、場合に発生φ 2 1 + 4 φ 2 &lt; 0。pppp≥2p≥2p\geq 2ϕ21+4ϕ2&lt;0ϕ12+4ϕ2&lt;0\phi^2_1+4\phi_2<0 一般的なARIMA（p、d、q）の場合のパラメーターのこれらの追加条件は何ですか？私はどこにもそれらを見つけることができませんでした。

9 time-series  forecasting  arima  seasonality 

ARIMAモデルを使用した予測に足を踏み入れているとき、季節性とドリフトに適合するARIMAに基づいて予測を改善する方法を理解しようとしています。 私のデータは次の時系列です（3年以上、明確な上昇傾向と目に見える季節性があり、ラグ12、24、36の自己相関ではサポートされていないようです）。 &gt; bal2sum3years.ts Jan Feb Mar Apr May Jun Jul Aug 2010 2540346 2139440 2218652 2176167 2287778 1861061 2000102 2560729 2011 3119573 2704986 2594432 2362869 2509506 2434504 2680088 2689888 2012 3619060 3204588 2800260 2973428 2737696 2744716 3043868 2867416 Sep Oct Nov Dec 2010 2232261 2394644 2468479 2816287 2011 2480940 …

9 r  time-series  forecasting  arima  seasonality 

以下の移植片は、この記事から引用したものです。私はブートストラップの初心者であり、R bootパッケージを使用した線形混合モデルのパラメトリック、セミパラメトリック、ノンパラメトリックのブートストラップブートストラップを実装しようとしています。 Rコード これが私のRコードです： library(SASmixed) library(lme4) library(boot) fm1Cult &lt;- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn &lt;- function(data, indices){ data &lt;- data[indices, ] mod &lt;- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data) fixef(mod) } set.seed(12345) Out &lt;- boot(data=Cultivation, statistic=boot.fn, R=99) Out ご質問 …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

副趣味として、私は（特にRを使用して）予測時系列を調査してきました。 私のデータでは、1日あたりの訪問数があり、毎日約4年前に遡ります。このデータには、いくつかの明確なパターンがあります。 月曜日から金曜日は訪問数が多く（月曜日と火曜日が最高）、土日曜日は大幅に減ります。 1年のうち特定の時期に落ちる（例：米国の祝日の訪問数が大幅に減る、夏の成長が鈍くなる） 毎年大幅な成長 このデータで次の年を予測でき、季節ごとに調整された月ごとの成長に使用できると便利です。月次ビューで私を失望させる主なものは次のとおりです。 特定の月は、他の月よりも月/火が多くなります（それは何年にもわたって一貫していません）。したがって、より多くの平日に発生する月は、それに応じて調整する必要があります。 週の番号付けシステムは年によって52〜53に変更されるため、週の調査も困難に思え、それをts処理できないようです。 私はその月の平日の平均を取ることを考えていますが、結果の単位は少し奇妙であり（平均平日の訪問数の増加）、それは有効なデータをドロップするでしょう。 この種類のデータは時系列で一般的であると思います（たとえば、オフィスビルでの電気使用量はこのようなものかもしれません）、特にRでそれをモデル化する方法について誰かがアドバイスを持っていますか？ 私が使用しているデータは非常に簡単です、それは次のように始まります： [,1] 2008-10-05 17607 2008-10-06 36368 2008-10-07 40250 2008-10-08 39631 2008-10-09 40870 2008-10-10 35706 2008-10-11 18245 2008-10-12 23528 2008-10-13 48077 2008-10-14 48500 2008-10-15 49017 2008-10-16 50733 2008-10-17 46909 2008-10-18 22467 そして、現在に至るまでこのように続き、全体的な成長傾向、米国の休日の週あたりにいくらか落ち込み、夏の間は成長が全般的に鈍化しています。

9 r  time-series  seasonality  forecasting 

何十年にもわたって不規則な間隔で大きな水域から取られた水温測定のデータセットがあります。（興味がある場合は、テキサス州ガルベストンベイ） データの先頭は次のとおりです。 STATION_ID DATE TIME LATITUDE LONGITUDE YEAR MONTH DAY SEASON MEASUREMENT 1 13296 6/20/91 11:04 29.50889 -94.75806 1991 6 20 Summer 28.0 2 13296 3/17/92 9:30 29.50889 -94.75806 1992 3 17 Spring 20.1 3 13296 9/23/91 11:24 29.50889 -94.75806 1991 9 23 Fall 26.0 4 13296 9/23/91 11:24 29.50889 …

8 time-series  seasonality  trend  unevenly-spaced-time-series 

2つの基本的な動作があるデータがあります。まず、周期性があります。正弦曲線のように見えます。第二に、データポイントには一定の増加があります。したがって、100のデータポイントが増加せずにある場合、正弦曲線のように見えます。しかし、その成長率のため。マグニチュードはポイント1からポイント100に増加します。 グーグルで検索するための正しい用語が何であるかわかりません。この種のデータ分析の方法はありますか？

8 time-series  seasonality  trend  fourier-transform 

Salesとの相互相関を決定するにはVariable cost、両方に月次の季節性があるため、両方の系列を季節性をなくす必要がありますか？

8 time-series  seasonality  cross-correlation 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新することがありますので、話題のクロス検証済みのため。 2年前休業。 私の時系列は明らかに周期的ですが、stl（）を使用した季節分解はRでは機能しません。 a &lt;- c(6.7, 20.3, 23.5, 7.9, 3.3, 2.0, 2.5, 2.9, 2.3, 5.0, 15.0, 20.1, 27.0, 28.2, 18.3, 7.8, 1.6, 0.8, 1.3, 1.2, 0.6, 1.6, 4.9, 24.2, 28.8, 23.6, 18.6, 5.3, 1.8, 0.4, 0.5, 0.2, 0.1, 0.3, 3.5, 17.6, 26.1, 22.7, 18.2, 7.2, 2.1, 1.0, 1.1, …

8 r  time-series  seasonality 

私は現在、これらの指示で時系列を予測するためにRを使用しています： X &lt;- ts(datas, frequency=24) X.arima &lt;- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred &lt;- predict(X.arima, n.ahead=24) plot.ts(pred$pred) ご覧のとおり、1時間ごとにデータを取得し、24（1日）の季節期間を選択しました。 週の季節要素を含めるために、追加の季節期間を使用して予測を改善したい（季節の長さ7 * 24 = 168データ） これには何らかの方法がありますか？どうやってやるの？ 更新： 私はこの（あなたの）ブログページを読みました。おそらく、外部のリグレッサを使用して2番目の季節期間をシミュレートできますか？

8 r  time-series  arima  seasonality  multiple-seasonalities 

これは定義の問題ですが、統計コミュニティはこれらの用語を区別していますか？

8 seasonality 

私は、いくつかの共変量が「円」上にあるモデルを構築しています。これは、それらが[0,1）の間隔で値をとり、0 = 1であるという意味です。私はこの状況に対処するためのテクニックについて疑問に思っています。1つのアイデアは、循環変数thetaを変数のペア（sin（theta）、cos（theta））として表すことです。このアプローチまたはより良いアプローチについて何か考えはありますか？ 特にmgcvパッケージのGAMを使用しています。特定の加法破片が端点で同じ値を持つ必要があることをモデルに伝える方法はありますか？別のパッケージ？ ありがとう！

8 data-transformation  seasonality  mgcv  circular-statistics