الانتقال من المتوسط ، مثلا في و ص

المتوسطات المتحركة في R على حد علمي، R ليس لديه وظيفة مدمجة لحساب المتوسطات المتحركة. وباستخدام وظيفة التصفية، يمكننا كتابة دالة قصيرة للمتوسطات المتحركة: يمكننا بعد ذلك استخدام الدالة على أي بيانات: ماف (داتا) أو ماف (داتا، 11) إذا أردنا تحديد عدد مختلف من نقاط البيانات من العمل الافتراضي 5 التآمر كما هو متوقع: مؤامرة (ماف (البيانات)). بالإضافة إلى عدد من نقاط البيانات التي إلى المتوسط، يمكننا أيضا تغيير حجة الجانبين من وظائف مرشح: الجانبين 2 يستخدم كلا الجانبين، الجانبين 1 يستخدم القيم الماضية فقط. شير ذيس: بوست نافيغاتيون تعليق الملاحة التعليق نافيغاتيون تحليل سلسلة الوقت وتطبيقاتها: مع R أمثلة R سلسلة الوقت إصلاح سريع الصفحة يستخدم جافا سكريبت لتسليط الضوء على بناء الجملة. ليس من الضروري تشغيله، ولكن سوف يكون من الصعب قراءة التعليمات البرمجية. هذا هو مجرد نزهة قصيرة في الوقت المحدد سيريس حارة. نصيحتي هي لفتح R واللعب جنبا إلى جنب مع البرنامج التعليمي. نأمل، قمت بتثبيت R وجدت رمز على سطح المكتب الخاص بك الذي يبدو وكأنه R. حسنا، هو R. إذا كنت تستخدم لينكس، ثم التوقف عن النظر لأنه ليس هناك. مجرد فتح محطة وأدخل R (أو تثبيت R ستوديو.) إذا كنت تريد المزيد على الرسومات سلسلة الوقت، وخاصة باستخدام ggplot2. راجع الرسومات سريعة الإصلاح. ويهدف الإصلاح السريع لفضح لك الأساسية R قدرات سلسلة الوقت ويتم تصنيف متعة للأشخاص الذين تتراوح أعمارهم بين 8 إلى 80. وهذا ليس المقصود أن يكون درسا في تحليل سلسلة زمنية، ولكن إذا كنت تريد واحد، قد حاول هذا قصيرة سهلة بالطبع: لوز خطوات الطفل. أول جلسة R. الحصول على مريحة، ثم تبدأ لها ومحاولة بعض إضافة بسيطة: حسنا، الآن أنت خبير استخدام R. كانوا يحصلون على أستسا الآن: الآن بعد أن قمت بتحميلها، يمكننا أن نبدأ. دعونا نذهب أولا، ولعب جيدا مع مجموعة بيانات جونسون أمبير جونسون. وشملت في أستسا كما جي. أن دينوميت حرف من الأوقات الجيدة. أولا، ننظر في الأمر. وترى أن جي هو مجموعة من 84 أرقام تسمى كائن سلسلة زمنية. سيريموف الكائنات الخاصة بك: إذا كنت ماتلاب (أو ما شابه) المستخدم، قد تعتقد جي هو 84 مرة 1 ناقلات، ولكن لا. لديها النظام وطول، ولكن لا أبعاد (أي صفوف، لا أعمدة). R يدعو هذه الأنواع من ناقلات الكائنات لذلك عليك أن تكون حذرا. في R، المصفوفات لها أبعاد ولكن ناقلات لا - أنها مجرد نوع من تعلق حول في الفضاء الإلكتروني. الآن، دعونا جعل كائن سلسلة الوقت الشهري الذي يبدأ في يونيو من عام 2293. ندخل دوامة. لاحظ أن بيانات جونسون و جونسون هي أرباح ربع سنوية، وبالتالي فإن لديها تردد 4. سلسلة زمنية زردوز هي البيانات الشهرية، وبالتالي فقد تردد 12. يمكنك أيضا الحصول على بعض الأشياء المفيدة مع كائن تيسي، على سبيل المثال: الآن محاولة مؤامرة من بيانات جونسون جونسون: الرسم البياني هو أكثر نزوة قليلا من رمز سيعطي. لمزيد من التفاصيل، راجع صفحة "إصلاح الرسومات السريعة". هذا ينطبق على بقية المؤامرات سترى هنا. جرب هذه ومعرفة ما يحدث: وأثناء وجودك هنا، تحقق من plot. ts و ts. plot. لاحظ أنه إذا كانت البيانات الخاصة بك كائن سلسلة زمنية، سوف مؤامرة () تفعل خدعة (لمؤامرة زمنية بسيطة، وهذا هو). وإلا، سوف plot. ts () إكراه الرسم في مؤامرة زمنية. ماذا عن الترشيحطرق سلسلة جونسون أمب جونسون باستخدام متوسط ​​متحرك من جانبين يتيح محاولة هذا: فج (t) 8539 جي (t-2) frac14 جي (t) 1 frac14 جي (t) frac14 جي (t1) 8539 جي t2) وأيضا إضافة لويس (لويس - أنت تعرف الروتين) تناسب للمتعة. يتيح الفرق تسجيل البيانات وندعوه دلج. ثم لعب بشكل جيد مع دلجي. الآن رسم بياني ومؤامرة Q-Q، واحدة على رأس الأخرى (ولكن بطريقة لطيفة): يتيح التحقق من هيكل الارتباط دلجي باستخدام تقنيات مختلفة. أولا، ننظر جيدا في شبكة من سكاتيربلوتس من دلج (t) مقابل القيم المتخلفة. خطوط هي لويس تناسب والعينة أسف الأزرق في المربع. الآن يتيح إلقاء نظرة على أسف و باسف من دلجي. لاحظ أن محور لاغ هو من حيث التردد. لذلك 1،2،3،4،5 تتوافق مع التأخر 4،8،12،16،20 لأن التردد 4 هنا. إذا كنت لا تحب هذا النوع من العلامات، يمكنك استبدال دلج في أي من أعلاه من قبل تيسي (دلجي، freq1) على سبيل المثال. أسف (تيسي (دلج، freq1)، 20) الانتقال، يتيح محاولة تحلل هيكلي من سجل (جي) خطأ موسم الاتجاه باستخدام لويس. إذا كنت ترغب في فحص البقايا، على سبيل المثال، ثيري في dogtime. series، 3. العمود الثالث من السلسلة الناتجة (المكونات الموسمية والاتجاه في العمودين 1 و 2). تحقق من أسف من المخلفات، أسف (dogtime. series، 3) بقايا أرنت أبيض - لا حتى قريبة. يمكنك أن تفعل قليلا (القليل جدا) أفضل باستخدام نافذة الموسمية المحلية، بدلا من النافذة العالمية المستخدمة من قبل تحديد لكل. اكتب ستل للحصول على التفاصيل. ثيريس أيضا شيء يسمى ستروكتس التي من شأنها أن تناسب النماذج الهيكلية البارامترية. نحن لا نستخدم هذه الوظائف في النص عندما نقدم النمذجة الهيكلية في الفصل 6 لأننا نفضل استخدام برامجنا الخاصة. لوز هذا هو الوقت المناسب لشرح. في ما سبق، الكلب هو كائن يحتوي على مجموعة من الأشياء (المصطلح التقني). إذا كنت اكتب الكلب. سترى المكونات، وإذا قمت بكتابة ملخص (الكلب) عليك الحصول على ملخص قليلا من النتائج. واحد من مكونات الكلب هو time. series. الذي يحتوي على سلسلة الناتجة (الموسمية، الاتجاه، والباقي). لرؤية هذا المكون من كلب الكائن. يمكنك كتابة dogtime. series (وسترى 3 سلسلة، وآخر منها يحتوي على المخلفات). وهذه هي قصة. سترى المزيد من الأمثلة ونحن نتحرك على طول. والآن جيدا مشكلة من الفصل 2. كانت لتناسب سجل الانحدار (جي) بيتايمي ألفا 1 Q1 ألفا 2 Q2 ألفا 3 Q3 ألفا 4 Q4 إبسيلون حيث تشى هو مؤشر للربع الأول 1،2،3،4 . ثم فحص جيدا البقايا. يمكنك عرض مصفوفة نموذج (مع المتغيرات وهمية) بهذه الطريقة: الآن تحقق من ما حدث. ننظر إلى مؤامرة من الملاحظات والقيم المجهزة لها: مما يدل على أن مؤامرة من البيانات مع تناسب فرضه لا يستحق الفضاء السيبراني يستغرق. ولكن مؤامرة من المخلفات و أسف من المخلفات يستحق وزنه في جول: هل تلك البقايا تبدو بيضاء تجاهل الارتباط 0-تأخر، ودائما 1. تلميح: الجواب هو لا. وبالتالي فإن الانحدار أعلاه هو نوغاتوري. حتى ماذا يكون العلاج عذرا، عليك أن تأخذ الطبقة لأن هذا ليس درسا في السلاسل الزمنية. حذرت لك في الأعلى. عليك أن تكون حذرا عندما تراجعت سلسلة زمنية واحدة على مكونات متخلفة من آخر باستخدام لم (). هناك حزمة تسمى دينلم التي تجعل من السهل لتناسب الانحدارات المتخلفة، و إل مناقشة هذا الحق بعد هذا المثال. إذا كنت تستخدم لم (). ثم ما عليك القيام به هو ربط سلسلة معا باستخدام ts. intersect. إذا كنت لا التعادل سلسلة معا، فإنها لن تكون محاذاة بشكل صحيح. هيريس مثال على تراجع وفيات القلب والأوعية الدموية أسبوعيا (سمورت) على تلوث الجسيمات (جزء) في القيمة الحالية وأربعة أسابيع متأخرة (حوالي شهر). للحصول على تفاصيل حول مجموعة البيانات، راجع الفصل 2. تأكد من تحميل أستسا. ملاحظة: لم تكن هناك حاجة لإعادة تسمية تأخر (جزء، -4) إلى part4. مجرد مثال على ما يمكنك القيام به. بديل عن ما سبق هو دينلم الحزمة التي يجب أن تكون مثبتة، بطبيعة الحال (كما فعلنا ل أستسا هناك في البداية). بعد تثبيت الحزمة، يمكنك أن تفعل المثال السابق على النحو التالي: حسنا، وقتها لمحاكاة. العمود الفقري لمحاكاة أريما هو arima. sim (). وإليك بعض الأمثلة لا يظهر الإخراج هنا حتى أنت بنفسك. باستخدام أستسا من السهل لتناسب نموذج أريما: قد تكون أتساءل عن الفرق بين إيك و إيك أعلاه. لذلك عليك أن تقرأ النص أو فقط لا تقلق بشأن ذلك لأنه لا يستحق تخريب يومك التفكير في الأمر. ونعم، تلك البقايا تبدو بيضاء. إذا كنت تريد أن تفعل التنبؤ أريما، يتم تضمين sarima. for في أستسا. والآن لبعض الانحدار مع أخطاء أوتوكوريلاتد. وكان من المقرر أن يتناسب مع النموذج M t ألفا بيتات غاماب t t t حيث M t و P t هي نسبة الوفيات (كمورت) والجسيمات (الجزء)، و e t هو خطأ أوتوكورلاتد. أولا، القيام تناسب عملية شريان الحياة للسودان والتحقق من المخلفات: تناسب الآن نموذج التحليل المتبقي (لا يظهر) تبدو مثالية. هيريس نموذج أرماكس، M t بيتا 0 في 1 M t-1 في 2 M t-2 بيتا 1 t بيتا 2 T t-1 بيتا 3 P t بيتا 4 P t-4 e t. حيث قد يكون t t أوتوكورلاتد. أولا نحاول أرماكس (p2، q0)، ثم ننظر في بقايا وتحقيق ثيريس أي ارتباط اليسار، لذلك تم القيام به. وأخيرا، تحليل طيفي كيكي: هذا كل شيء في الوقت الراهن. إذا كنت تريد المزيد من الرسومات في الوقت المحدد، راجع صفحة الرسومات سريعة الإصلاح.2.2 نماذج الانتقال المتحرك (نماذج ما) نماذج السلاسل الزمنية المعروفة باسم نماذج أريما قد تتضمن مصطلحات الانحدار الذاتي و متوسط ​​متوسط ​​الحركة المتحرك. في الأسبوع الأول، تعلمنا مصطلح الانحدار الذاتي في نموذج سلسلة زمنية للمتغير x t قيمة متخلفة من x t. على سبيل المثال، مصطلح الانحدار الذاتي 1 تأخر هو x t-1 (مضروبا في معامل). يحدد هذا الدرس مصطلحات المتوسط ​​المتحرك. متوسط ​​المتوسط ​​المتحرك في نموذج السلاسل الزمنية هو خطأ سابق (مضروبا في معامل). واسمحوا (W أوفيرزيت N (0، sigma2w))، بمعنى أن w t هي متطابقة، موزعة بشكل مستقل، ولكل منها توزيع طبيعي يعني 0 و نفس التباين. (1) هو (شت مو وت theta1w) نموذج المتوسط ​​المتحرك الثاني، الذي يشير إليه ما (2) هو (شت مو wtta1w theta2w) ، التي يرمز إليها ما (q) هو (شت مو وت theta1w ثيتاو w النقاط ثيتاكو) ملاحظة. العديد من الكتب المدرسية والبرامج البرمجية تحدد النموذج مع علامات سلبية قبل الشروط. هذا لا يغير الخصائص النظرية العامة للنموذج، على الرغم من أنه لا يقلب علامات جبري لقيم معامل المقدرة و (غير مسقوفة) المصطلحات في صيغ ل أكفس والتباينات. تحتاج إلى التحقق من البرنامج للتحقق مما إذا كانت العلامات السلبية أو الإيجابية قد استخدمت من أجل كتابة النموذج المقدر بشكل صحيح. يستخدم R إشارات إيجابية في نموذجه الأساسي، كما نفعل هنا. الخصائص النظرية لسلسلة زمنية مع ما (1) نموذج لاحظ أن القيمة غير صفرية الوحيدة في أسف النظري هو تأخر 1. جميع أوتوكوريلاتيونس الأخرى هي 0. وبالتالي عينة أسف مع ارتباط ذاتي كبير فقط في تأخر 1 هو مؤشر لنموذج ما (1) ممكن. للطلاب المهتمين، والبراهين من هذه الخصائص هي ملحق لهذه النشرة. مثال 1 افترض أن نموذج ما (1) هو x t 10 w t .7 w t-1. حيث (الوزن الزائد N (0،1)). وبالتالي فإن معامل 1 0.7. وتعطى أسف النظرية من قبل مؤامرة من هذا أسف يتبع. المؤامرة فقط أظهرت هو أسف النظري ل ما (1) مع 1 0.7. ومن الناحية العملية، لن تقدم العينة عادة مثل هذا النمط الواضح. باستخدام R، قمنا بمحاكاة n 100 قيم عينة باستخدام النموذج x t 10 w t .7 w t-1 حيث w t إيد N (0،1). لهذه المحاكاة، وتتبع مؤامرة سلسلة زمنية من بيانات العينة. لا يمكننا أن نقول الكثير من هذه المؤامرة. وتأتي العينة أسف للبيانات المحاكاة. ونحن نرى ارتفاع في التأخر 1 تليها عموما القيم غير الهامة للتخلف الماضي 1. لاحظ أن العينة أسف لا يطابق النمط النظري لل ما الأساسية (1)، وهو أن جميع أوتوكوريلاتيونس للتخلف الماضي 1 سيكون 0.ويمكن أن يكون لعينة مختلفة عينة أسف مختلفة قليلا مبينة أدناه، ولكن من المرجح أن يكون لها نفس السمات العامة. الخصائص النظرية لسلسلة زمنية مع نموذج ما (2) بالنسبة للنموذج ما (2)، تكون الخصائص النظرية كما يلي: لاحظ أن القيم غير الصفرية الوحيدة في أسف النظرية هي للتخلف 1 و 2. أوتوكوريلاتيونس للتخلف العالي هي 0 لذلك، فإن عينة أسف مع أوتوكوريلاتيونس كبيرة في التأخر 1 و 2، ولكن أوتوكوريلاتيونس غير هامة لفترات أعلى يشير إلى احتمال ما (2) نموذج. إيد N (0،1). المعاملات هي 1 0.5 و 2 0.3. لأن هذا هو ما (2)، فإن أسف النظرية لها قيم غير صفرية فقط في التأخر 1 و 2. قيم أوتوكوريلاتيونس غير نازيرو هي مؤامرة من أسف النظري يتبع. وكما هو الحال دائما تقريبا، فإن بيانات العينة لن تتصرف تماما تماما كما النظرية. قمنا بمحاكاة n 150 قيم عينة للنموذج x t 10 w t .5 w t-1 .3 w t-2. حيث w t إيد N (0،1). وتأتي سلسلة المسلسلات الزمنية للبيانات. كما هو الحال مع مؤامرة سلسلة زمنية ل ما (1) عينة البيانات، لا يمكن أن أقول الكثير من ذلك. وتأتي العينة أسف للبيانات المحاكاة. النمط هو نموذجي في الحالات التي قد يكون نموذج ما (2) مفيدة. هناك اثنين من ارتفاع كبير إحصائيا في التأخر 1 و 2 تليها القيم غير الهامة للتخلف الأخرى. لاحظ أنه نظرا لخطأ أخذ العينات، فإن عينة أسف لا تتطابق مع النمط النظري بالضبط. أسف للجنرال ما (q) النماذج A خاصية نماذج ما (q) بشكل عام هو أن هناك أوتوكوريلاتيونس غير الصفرية للفواصل q الأولى و أوتوكوريلاتيونس 0 لجميع التأخر غ س. عدم تفرد الاتصال بين قيم 1 و (rho1) في ما (1) نموذج. في نموذج ما (1)، لأي قيمة 1. فإن المعاملة 1 المتبادلة تعطي نفس القيمة كمثال، تستخدم 0.5 ل 1. ثم استخدم 1 (0.5) 2 ل 1. تحصل على (rho1) 0.4 في كلتا الحالتين. لتلبية التقييد النظري يسمى العكوسة. فإننا نقيد نماذج ما (1) التي لها قيم ذات قيمة مطلقة أقل من 1. وفي المثال الذي أعطيت للتو، ستكون قيمة 0،5 قيمة معلمة مسموح بها، بينما لن تكون 1 10،5 2. قابلية نماذج ما يقال إن نموذج ما قابل للانعكاس إذا كان معادلا جبريا لنموذج أر غير محدود. من خلال التقارب، ونحن نعني أن معاملات أر تنخفض إلى 0 ونحن نعود إلى الوراء في الوقت المناسب. القابلية للانعكاس هي قيود مبرمجة في برامج السلاسل الزمنية المستخدمة لتقدير معاملات النماذج بشروط ما. انها ليست شيئا أننا تحقق في في تحليل البيانات. يتم إعطاء معلومات إضافية حول تقييد إنفرتيبيليتي ل ما (1) نماذج في الملحق. نظرية النظرية المتقدمة. وبالنسبة لنموذج ما (q) مع أسف محدد، لا يوجد سوى نموذج واحد قابل للانعكاس. والشرط الضروري للعكس هو أن للمعاملات قيم مثل المعادلة 1- 1 y-. - q y q 0 لديها حلول ل y التي تقع خارج دائرة الوحدة. رمز R للأمثلة في المثال 1، قمنا بتخطيط أسف النظري للنموذج x t 10 w t. 7w t-1. ومن ثم محاكاة n 150 قيم من هذا النموذج ورسم التسلسل الزمني للعينة و أسف العينة للبيانات المحاكية. وكانت الأوامر R المستخدمة في رسم أسف النظرية: acfma1ARMAacf (ماك (0.7)، lag. max10) 10 تأخر من أسف ل ما (1) مع thta1 0.7 متخلفة 0: 10 يخلق متغير اسمه التأخر التي تتراوح من 0 إلى 10. مؤامرة (1)، و xlemc1 (1، 10)، ييلبر، تيله، أسف الرئيسي ل ما (1) مع theta1 0.7) أبلين (h0) يضيف محور أفقي إلى المؤامرة يحدد الأمر الأول أسف ويخزن في كائن اسمه acfma1 (اختيارنا من الاسم). تتخطى مؤامرات الأمر المؤامرة (الأمر الثالث) مقابل قيم أكف للتخلف من 1 إلى 10. تسمي معلمة يلب المحور الصادي وتضع المعلمة الرئيسية عنوانا على المؤامرة. لمعرفة القيم العددية لل أسف ببساطة استخدام acfma1 الأمر. وقد أجريت المحاكاة والمؤامرات مع الأوامر التالية. xcarima. sim (n150، قائمة (ماك (0.7))) يحاكي n 150 القيم من ما (1) xxc10 يضيف 10 لجعل المتوسط ​​10. الافتراضية الافتراضية المحاكاة يعني 0. مؤامرة (x، تيب، مينسيمولاتد ما (1) البيانات) أسف (x، زليمك (1،10)، ميناكف لبيانات العينة المحاكاة) في المثال 2، قمنا بتخطيط أكف النظري للنموذج شت 10 w .5 w t-1 .3 w t-2. ومن ثم محاكاة n 150 قيم من هذا النموذج ورسم التسلسل الزمني للعينة و أسف العينة للبيانات المحاكية. كانت الأوامر R المستخدمة acfma2ARMAacf (ماك (0.5،0.3)، lag. max10) acfma2 متخلفة 0: 10 مؤامرة (تأخر، acfma2، زليمك (1،10)، يلابر، تيبه، أسف الرئيسي ل ما (2) مع ثيتا 0.5، (h0) xcarima. sim (n150، قائمة (ماك (0.5، 0.3))) xxc10 مؤامرة (x، تيب، الرئيسية مقلد ما (2) سلسلة أسف (x، زليمك (1،10) ميناكف لمحاكاة ما (2) البيانات) الملحق: دليل على خصائص ما (1) للطلاب المهتمين، وهنا هي البراهين للخصائص النظرية للنموذج ما (1). الفرق: النص (شت) النص (wt theta1 w) 0 النص (وت) النص (theta1w) sigma2w theta21sigma2w (1theta21) sigma2w) عندما h 1، التعبير السابق 1 ث 2. لأي h 2، التعبير السابق 0 والسبب هو أنه، بحكم تعريف استقلالها. E (w w w j) 0 لأي k j. علاوة على ذلك، لأن w w t يعني 0، E (w j w j) E (w j 2) w 2. لسلسلة زمنية، تطبيق هذه النتيجة للحصول على أسف المذكورة أعلاه. نموذج ما لا يمكن عكسه هو واحد التي يمكن أن تكون مكتوبة كنموذج لانهائية أجل أر التي تتقارب بحيث معاملات أر تتلاقى إلى 0 ونحن نتحرك بلا حدود مرة أخرى في الوقت المناسب. تثبت جيدا إنفرتيبيليتي ل ما (1) نموذج. ثم نستبدل العلاقة (2) ل w t-1 في المعادلة (1) (3) (زت وت theta1 (z - theta1w) wttata1z - theta2w) في الوقت t-2. المعادلة (2) يصبح نحن ثم بديلا العلاقة (4) ل w t-2 في المعادلة (3) (زت وت ثيتا z - theta21w wt theta1z - theta21 (z - theta1w) wt theta1z - theta12z theta31w) إذا كان علينا أن نواصل ( (زت وت theta1 z - theta21z thta31z - theta41z النقاط) لاحظ مع ذلك أنه إذا كان 1 1، فإن المعاملات ضرب ضرب من z زيادة (بلا حدود) في الحجم ونحن نعود إلى الوراء في زمن. ولمنع ذلك، نحتاج إلى 1 لتر 1. هذا هو شرط لنموذج ما (1) قابل للانعكاس. لانهائية النظام ما نموذج في الأسبوع 3، نرى أيضا أن أر (1) نموذج يمكن تحويلها إلى أمر لانهائي ما نموذج: (شت - mu وت phi1w نقاط phi21w phik1 ث النقاط مجموع phij1w) هذا الجمع من الماضي شروط الضوضاء البيضاء هو معروف كما التمثيل السببي لل أر (1). وبعبارة أخرى، x t هو نوع خاص من ما مع عدد لا حصر له من المصطلحات تعود في الوقت المناسب. وهذا ما يسمى أمر لا حصر له ما أو ما (). أمر محدود ما هو أمر لانهائي أر وأي أمر محدود أر هو أمر لانهائي ما. أذكر في الأسبوع 1، لاحظنا أن شرط ل أر ثابتة (1) هو أن 1 lt1. يتيح حساب فار (x t) باستخدام التمثيل السببي. هذه الخطوة الأخيرة تستخدم حقيقة أساسية حول السلسلة الهندسية التي تتطلب (phi1lt1) وإلا فإن السلسلة تتباعد. التنقل