O modelo autoregressivo (AR) é uma série temporal de modelagem de processo estocástico, que especifica o valor da série linearmente em termos dos valores anteriores.
Estou tentando entender um artigo sobre previsão de carga elétrica, mas estou lutando com os conceitos internos, especialmente o modelo SARIMAX . Esse modelo é usado para prever a carga e usa muitos conceitos estatísticos que eu não entendo (eu sou um estudante de ciências da computação - você pode...
Entendo que, se um processo depende de valores anteriores, ele é um processo de recuperação garantida. Se depender de erros anteriores, é um processo de MA. Quando ocorreria uma dessas duas situações? Alguém tem um exemplo sólido que ilumine a questão subjacente a respeito do que significa para um...
Pensando em usar redes neurais recorrentes para previsão de séries temporais. Eles basicamente implementam uma espécie de auto-regressão não linear generalizada, em comparação com os modelos ARMA e ARIMA que usam a auto-regressão linear. Se estamos realizando a auto-regressão não linear, ainda é...
Estou tendo problemas para entender por que nos importamos se um processo de MA é invertível ou não. Corrija-me se estiver errado, mas posso entender por que nos importamos se um processo de RA é causal ou não, ou seja, se podemos "reescrevê-lo", por assim dizer, como a soma de alguns parâmetros e...
1. O problema Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytyty_tt=1,2,..,nt=1,2,..,nt=1,2,..,nfyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 Eu...
Faz mais de 2 anos que trabalho em diferentes séries temporais. Li em muitos artigos que o ACF é usado para identificar a ordem do termo MA e o PACF para AR. Existe uma regra geral de que, para a MA, o atraso em que o ACF é desligado repentinamente é a ordem da MA e da mesma forma para o PACF e...
Modelo linear simples: x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t onde ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN( 0 , σ2)N(0,σ2)N(0,\sigma^2) com eV a r ( x ) = σ 2E( X ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt= α Xt - 1+ ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} +...
Considere um modelo AR ( ) (assumindo média zero por simplicidade):ppp xt= φ1 1xt - 1+ … + Φpxt - p+ εtxt=φ1 1xt-1 1+…+φpxt-p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t O estimador OLS (equivalente ao estimador condicional de verossimilhança máxima) para é conhecido...
Estou tentando entender por que o OLS fornece um estimador tendencioso de um processo AR (1). Considere Nesse modelo, a exogeneidade estrita é violada, ou seja, e estão correlacionados, mas e não são correlacionados. Mas se isso for verdade, por que a derivação simples a seguir não se...
Este é apenas um exemplo que encontrei várias vezes, portanto não tenho dados de amostra. Executando um modelo de regressão linear em R: a.lm = lm(Y ~ x1 + x2) x1é uma variável contínua. x2é categórico e possui três valores, por exemplo, "Baixo", "Médio" e "Alto". No entanto, a saída fornecida...
Estou tentando utilizar a regressão de RF para fazer previsões sobre o desempenho de uma fábrica de papel. Eu tenho dados minuto a minuto para as entradas (taxa e quantidade de polpa de madeira entrando etc ...), bem como para o desempenho da máquina (papel produzido, energia consumida pela...
Qual é a abordagem usual para modelar séries temporais binárias? Existe um papel ou um livro de texto onde isso é tratado? Penso em um processo binário com forte correlação automática. Algo como o sinal de um processo AR (1) iniciando em zero. Diga e com ruído branco . Em seguida, a série...
Quando eu estimo uma caminhada aleatória com um AR (1), o coeficiente é muito próximo de 1, mas sempre menor. Qual é a razão matemática de o coeficiente não ser maior que
Estou tentando ajustar um modelo de tempo discreto no R, mas não sei como fazê-lo. Eu li que você pode organizar a variável dependente em linhas diferentes, uma para cada observação no tempo, e usar a glmfunção com um link logit ou cloglog. Neste sentido, tem três colunas: ID, Event(1 ou 0, em...
O principal problema é: não consigo obter estimativas de parâmetros semelhantes com EViews e R. Por razões que eu não conheço, preciso estimar parâmetros para determinados dados usando EViews. Isso é feito escolhendo a opção NLS (mínimos quadrados não lineares) e usando a seguinte...
Quais são as diferenças entre VAR (regressão automática de vetor) e
Eu quero gerar uma série temporal sintética. A série temporal precisa ser uma cadeia de markov com uma distribuição marginal gama e um parâmetro AR (1) de ρρ\rho . Posso fazer isso simplesmente usando uma distribuição gama como termo de ruído em um modelo AR (1) ou preciso usar uma abordagem mais...
Frequentemente, na literatura, os autores têm se interessado em encontrar a distribuição estacionária de um processo de série temporal. Por exemplo, considere o seguinte processo simples AR ( ) : que .{ X t } X t = α X t - 1 + e t , e t i i d ∼ f111{Xt}{Xt}\{X_t\}Xt=αXt−1+et,Xt=αXt−1+et,X_t =...
Recentemente, li um artigo em que em uma série temporal os dados foram modelados de acordo com a equação O OLS foi usado aqui (com o comando em R) para obter o coeficiente de . Está estatisticamente correto?Yt=β1Yt−1+β2X+ε.Yt=β1Yt−1+β2X+ε. Y_t=\beta_1 Y_{t−1}+\beta_2X+\varepsilon....
O processo AR (1) é Xt=ϕXt−1+εtXt=ϕXt−1+εt X_t = \phi X_{t-1} + \varepsilon_t se usarmos essa fórmula recursivamente, obteremos Xt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−jXt=ϕ(ϕXt−2+εt−1)+εt=ϕ2Xt−2+ϕεt−1+εt=⋯=ϕkXt−k+∑j=0kϕjεt−j X_t = \phi(\phi X_{t-2} + \varepsilon_{t-1}) +...