বর্ণালী ঘনত্বের শিখরগুলির তাত্পর্য পরীক্ষা করা


20

সময় সিরিজের পর্যায়ক্রমিক বিশ্লেষণ করতে আমরা মাঝে মাঝে বর্ণালী ঘনত্বের প্লট ব্যবহার করি। সাধারণত আমরা চাক্ষুষ পরিদর্শন দ্বারা প্লটটি বিশ্লেষণ করি এবং তারপরে পর্যায়ক্রমিকতা সম্পর্কে একটি উপসংহার আঁকার চেষ্টা করি। কিন্তু প্লটটির কোনও স্পাইক পরিসংখ্যানগতভাবে সাদা গোলমালের চেয়ে আলাদা কিনা তা পরীক্ষা করার জন্য কি পরিসংখ্যানবিদরা কোনও পরীক্ষা তৈরি করেছেন? আর-বিশেষজ্ঞরা বর্ণালী ঘনত্ব বিশ্লেষণের জন্য এবং এই জাতীয় পরীক্ষা করার জন্য কোনও প্যাকেজ তৈরি করেছেন? কেউ সাহায্য করতে পারে যদি দুর্দান্ত।

শুভেচ্ছা,
পি।


1
@ ওয়েসলির দ্বারা চাপা, আমি অটোক্রেরিলিকেশন ফাংশন এবং পিরিওডোগ্রাম সম্পর্কে আমার দ্রুত চিন্তাগুলি মুছে ফেলেছি (তিনি প্রকৃতপক্ষে ফ্রিকোয়েন্সি ডোমেন বিশ্লেষণ গুরু হতে পারেন, তবে আমি ব্যক্তিগতভাবে বারলেটকে মনে করি না, সময় ডোমেনে স্বতঃসংশ্লিষ্টতার সাথে কাজ করে) তবে এখনও আমার মনে হয় যে আমার দ্বিতীয় পরামর্শটি bootspecdensসহায়ক হতে পারে।
দিমিত্রিজ সেলভ

আমি 'স্বতঃসংশ্লিষ্টতা কী?' - এর প্রতি মানুষের প্রতিক্রিয়া সম্পর্কে আমার অনুমানের ভিত্তি করছি? সাহিত্যের উপস্থিতিতে, যেখানে একটি স্বতঃসংশ্লিষ্টকরণ ব্যবহৃত হয় এমন প্রায় সমস্ত ক্ষেত্রে স্ট্যান্ডার্ড, টাইম-ডোমেন গণনা করা, বারলেট অটোক্রেরিলেশন। এবং, দুর্ভাগ্যক্রমে, এটি খারাপ! :) আমি bootspecdensদিমিত্রিজের পরামর্শটি প্রশংসা করি ; এটি পরীক্ষা করে দেখার জন্য অপেক্ষা করছি
ওয়েসলি বুড়

উত্তর:


9

আপনার সচেতন হওয়া উচিত যে একটি পর্যায়ক্রমিক শক্তি ব্যবহার করে পাওয়ার বর্ণের অনুমানের প্রস্তাব দেওয়া হয় না এবং প্রকৃতপক্ষে 9 1896 সাল থেকে এটি খারাপ অভ্যাস। এটি লক্ষ লক্ষ ডেটা নমুনার (এবং তারপরেও ...) এর চেয়ে কম কোনও কিছুর জন্য অসঙ্গতিযুক্ত অনুমানকারী এবং সাধারণত পক্ষপাতমূলক। যথাযথ একই জিনিস স্বতঃসংশোধনের মানক অনুমানগুলি (যেমন বার্টলেট) ব্যবহার করার ক্ষেত্রে প্রযোজ্য, কারণ এগুলি ফুরিয়ার ট্রান্সফর্ম জোড়। আপনি যদি একটি সামঞ্জস্যপূর্ণ অনুমানক ব্যবহার করে থাকেন তবে আপনার জন্য কিছু বিকল্প উপলব্ধ রয়েছে।

এর মধ্যে সেরাটি পাওয়ার স্পেক্টরের একাধিক উইন্ডো (বা টেপার) প্রাক্কলন। এই ক্ষেত্রে, আগ্রহের ফ্রিকোয়েন্সিতে প্রতিটি উইন্ডোর সহগ ব্যবহার করে, আপনি সাদা আওয়াজের নাল অনুমানের বিরুদ্ধে কোনও হারমোনিক এফ স্ট্যাটিস্টিক গণনা করতে পারেন । শব্দে লাইন উপাদানগুলি সনাক্ত করার জন্য এটি একটি দুর্দান্ত সরঞ্জাম, এবং এটির সুপারিশ করা হয়। স্টেশনারিটির অনুমানের অধীনে শব্দে পর্যায়ক্রমিক সনাক্তকরণের জন্য এটি সিগন্যাল-প্রক্রিয়াজাতকরণ সম্প্রদায়ের ডিফল্ট পছন্দ।

multitaperআর -এর প্যাকেজটির মাধ্যমে বর্ণালী অনুমানের বহুবিধ পদ্ধতি এবং সম্পর্কিত এফ-পরীক্ষা উভয়ই অ্যাক্সেস করতে পারেন (সিআরএএন এর মাধ্যমে উপলব্ধ)। প্যাকেজটির সাথে যে ডকুমেন্টেশন আসে তা আপনাকে চালিত করার জন্য পর্যাপ্ত পরিমাণে হওয়া উচিত; এফ-পরীক্ষাটি ফাংশনের জন্য কল করার জন্য একটি সহজ বিকল্প spec.mtm

মূল রেফারেন্স যা এই উভয় কৌশলকে সংজ্ঞায়িত করে এবং তাদের জন্য অ্যালগরিদমগুলি দেয় স্পেকট্রাম এসটিমেশন এবং হারমোনিক বিশ্লেষণ , ডিজে থমসন, আইইইই এর কার্যদিবস, খণ্ড। 70, pg। 1055-1096, 1982।

multitaperপ্যাকেজ সহ অন্তর্ভুক্ত ডেটা সেট ব্যবহার করে এখানে একটি উদাহরণ ।

require(multitaper);
data(willamette);
resSpec <- spec.mtm(willamette, k=10, nw=5.0, nFFT = "default",
                    centreWithSlepians = TRUE, Ftest = TRUE,
                    jackknife = FALSE, maxAdaptiveIterations = 100,
                    plot = TRUE, na.action = na.fail) 

আপনার যে পরামিতিগুলি সম্পর্কে সচেতন হওয়া উচিত সেগুলি হ'ল কে এবং এনডাব্লু : এগুলি উইন্ডোর সংখ্যা (উপরে 10 তে সেট করা হয়) এবং সময় ব্যান্ডউইথ পণ্য (উপরে 5.0)। বেশিরভাগ অ্যাপ্লিকেশনগুলির জন্য আপনি এইগুলি সহজেই এই পরিমাণের ডিফল্ট মানগুলিতে রেখে যেতে পারেন। CentreWithSlepians কমান্ড Slepian জানালা সম্মুখের দিকে একটি অভিক্ষেপ ব্যবহার সময় সিরিজ গড় একটি শক্তসমর্থ অনুমান সরিয়ে ফেলা হবে - এই এছাড়াও বাঞ্ছনীয় গড় দিয়া কম ফ্রিকোয়েন্সিতে ক্ষমতা অনেক উৎপন্ন হয়।

আমি লগ স্কেলে 'স্পট.এমটিএম' থেকে বর্ণালী আউটপুট প্লট করারও সুপারিশ করব, কারণ এটি জিনিসগুলি উল্লেখযোগ্যভাবে পরিষ্কার করে দেয়। আপনার যদি আরও তথ্যের প্রয়োজন হয় তবে কেবল পোস্ট করুন এবং এটি সরবরাহ করে আমি খুশি।


বার, সিলভা এবং সেলভকে - আপনার আকর্ষণীয় উত্তর এবং পরামর্শের জন্য অনেক ধন্যবাদ। আমি এই অনুমানকারীদের পরীক্ষা করার জন্য প্রত্যাশায় রয়েছি। শুভেচ্ছা
পান্তেরা

(+1) এই রাতে আমি আপনার পরামর্শগুলি মনোযোগ সহকারে চিন্তা করেছি এবং সিদ্ধান্ত নিয়েছি যে সাইক্লিং আচরণের সন্ধানের চেষ্টা করার জন্য সময় ডোমেনটি হ'ল শেষ জিনিস (ছোট নমুনাগুলিতে পিছিয়ে কাটা এবং দুর্বল বৈশিষ্ট্যের কারণে)। আমি ব্যক্তিগতভাবে যা উদ্বিগ্ন তা হ'ল এফ পরিসংখ্যানগুলির জন্য অনুমান এবং প্রস্তাবিত স্কিমের ছোট নমুনা আকারের বৈশিষ্ট্য। ভাল এবং সম্ভবত সেরা উইন্ডো নির্বাচন সম্পর্কিত একটি পৃথক প্রশ্ন শুরু করা ভাল, কারণ সত্যই অনেকগুলি রয়েছে।
দিমিত্রিজ সেলভ

প্রকৃতপক্ষে অনেকগুলি উইন্ডো পছন্দ রয়েছে, যদিও দুটি সর্বাধিক সাধারণ হ'ল ডিসক্রিট প্রলেট স্পেরোডিয়াল সিকোয়েন্সস (বা স্লিপিয়ান ) এবং সাইন টেপারস । আপনি যদি কোনও স্থানীয় ব্যান্ডউইদথে সর্বাধিক ঘনত্বের সন্ধান করেন তবে স্লেপিয়ানরা সর্বোত্তম হিসাবে প্রমাণিত হয়েছে, এবং বাস্তবে বর্ণালী ঘনত্বের অবিচ্ছেদ্য সমীকরণ ফর্ম থেকে আউটপুট (পুরো বিবরণের জন্য আমি উল্লিখিত কাগজটি দেখুন)। এফের পরিসংখ্যান যতদূর যায়, স্বাধীনতার ডিগ্রি নিয়ে অবশ্যই কিছু সমস্যা রয়েছে তবে সামগ্রিকভাবে তারা বেশ ভালভাবে কাজ করে, এতে 2k-2 ডফ পাওয়া যায়।
ওয়েসলি বুড়

স্মুথড পিরিওডোগ্রামও টেপার ব্যবহার করে, এফএফটি-র জন্য অনুমতি দেয়, ডেভিড স্টফফারের বই আপনাকে শিখায় যে কীভাবে আত্মবিশ্বাসের ব্যবধানগুলিও গণনা করতে হয়। এই multitaperপ্যাকেজটি আত্মবিশ্বাসের ব্যবধানকে টেপারিং এবং গণনা করার জন্য আরও উন্নত কৌশল ব্যবহার করেছে বলে মনে হয়। তবে আমি মনে করি ধারণাটি একই ছিল, ডেভিড স্টোফারের মতে। এই শিক্ষণ ভ্যানিলা পেরিডোগোরাম সম্পর্কে আমি ভাবতে পারি এটি আজও বোধগম্য।
stucash

ঠিক আছে তাই আপনি এই প্যাকেজের অন্যতম লেখক এবং আপনি পিরিওডোগ্রামের বিরুদ্ধে কিছু খুব শক্ত শব্দ ব্যবহার করেছেন আশা করি আপনি একদিন আরও প্রমাণ সহ ফিরে আসতে পারতেন। পিরিওডোগ্রামের জন্য সাধারণ উপকারিতা এবং কনসগুলি এটির বিস্ফোরক বৈকল্পের মতোই সুপরিচিত, কারণ এটি স্পেকট্রামের জন্য একটি ভাল ধারাবাহিক অনুমানকারী নয় তবে স্মুথড পিরিওডোগ্রামটি সত্যই ততটা খারাপ নয়, যেমনটি আপনি এখানে বলেছিলেন বলে মনে হয় তেমন খারাপ নয়।
stucash

3

আমরা এই পত্রিকায় সম্প্রতি বর্ণালী-ভিত্তিক পরীক্ষার একটি তরঙ্গকরণ রূপান্তর দ্বারা এই সমস্যাটি সমাধানের চেষ্টা করেছি । মূলত, আপনাকে পূর্ববর্তী উত্তরগুলিতে উল্লিখিত ফিশারের নিবন্ধের অনুরূপ পিরিওডোগ্রাম অর্ডিনেট বিতরণ বিবেচনা করা উচিত। কোয়েনের আর একটি কাগজ হ'ল এটি । আমরা সম্প্রতি একটি আর প্যাকেজ hwwntest প্রকাশ করেছি


সাভেচেভ, আপনার মন্তব্য এবং উল্লেখের জন্য অনেক ধন্যবাদ। আমি আপনার আর-প্যাকেজটি পরীক্ষা করার অপেক্ষায় রয়েছি।
পানতেরা

2

(ω)

আপনি এমবি প্রিস্টলি, বর্ণালী বিশ্লেষণ এবং সময় সিরিজ , একাডেমিক প্রেস, লন্ডন, 1981, পৃষ্ঠা 406 এ পরীক্ষা সম্পর্কে আরও বিশদ জানতে পারেন ।

আর-তে, প্যাকেজ জিনসাইকেলের মধ্যে রয়েছে fisher.g.test():

library(GeneCycle)
?fisher.g.test

আশাকরি এটা সাহায্য করবে.


এটি দুর্দান্ত তবে প্যাকেজের জি পরীক্ষার নিজস্ব পিরিওডোগ্রাম ফাংশনের উপর নির্ভর করে যার পাওয়ার স্পেকট্রা গণনা করার জন্য খুব সীমিত বিকল্প রয়েছে ...
5:30
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.