দুটি অনুরূপ সময় সিরিজ যখন ডাইভার্জ শুরু হয় তা যাচাই করতে পরিসংখ্যান পরীক্ষা test


10

শিরোনাম হিসাবে আমি জানতে চাই যে একটি পরিসংখ্যান পরীক্ষা আছে যা আমাকে দুটি অনুরূপ সময় সিরিজের মধ্যে একটি উল্লেখযোগ্য বিচ্যুতি সনাক্ত করতে সহায়তা করতে পারে। বিশেষত, নীচের চিত্রটি অনুসন্ধান করে, আমি সনাক্ত করতে চাই যে সিরিজটি টি -২০ সময়ে বিচ্যুত হতে শুরু করে, অর্থাৎ যখন তাদের মধ্যে পার্থক্যটি উল্লেখযোগ্য হতে শুরু করে। তদুপরি, আমি যখন সিরিজটির মধ্যে পার্থক্যটি তাৎপর্যপূর্ণ না হয় তাও সনাক্ত করব।

এটি করার জন্য কোনও কার্যকর পরিসংখ্যান পরীক্ষা আছে?

এখানে চিত্র বর্ণনা লিখুন

উত্তর:


7

কিছু উপায় মাথায় আসে। প্রথমটি হল দুটি সিরিজের মধ্যে পার্থক্য নেওয়া এবং একটি "নতুন সিরিজ" তৈরি করা। সেই সিরিজটি বিশ্লেষণ করুন এবং ডাল, স্তর স্তর / স্থানীয় সময় প্রবণতা এবং একটি সম্ভাব্য আরিমা উপাদানটি যথাযথভাবে সনাক্ত করুন। ফলাফলগুলি / কোনও সনাক্তকরণযোগ্য বিচরণের পরামর্শ দেবে। দ্বিতীয় পন্থা হ'ল উভয় সময় সিরিজের জন্য একটি সাধারণ আরিমা মডেল তৈরি করা এবং পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ পরামিতিগুলির পরীক্ষা করতে CHE TEST ব্যবহার করুন।


1

অন্য যে পদ্ধতির কাজ হতে পারে তা হ'ল পরিবর্তন সনাক্তকরণের জন্য অ্যালগরিদম বিবেচনা করা।

প্রথম ধারণাটি হ'ল উভয় সিরিজে CUSUM এর মতো পরিবর্তন সনাক্তকরণ পদ্ধতি প্রয়োগ করা এবং পরিবর্তনের পয়েন্টগুলির তুলনা করা। আপনার উদাহরণে এটি খুব সম্ভবত: লাল সিরিজ টি 1 এ পরিবর্তনের পয়েন্ট আনবে যদিও হলুদটি তা দেয় না। মজার বিষয় হল, লাল এবং হলুদ উভয়ই বক্ররেখার প্রথম ধাক্কায় (CUSUM প্যারামিটারগুলির সংবেদনশীলতার উপর নির্ভরশীল) পরিবর্তনের পয়েন্ট আনতে পারে তবে তারা ঠিক তেমন আচরণ করে বলে আপনি সত্যিই আপত্তি করবেন না।


1

আপনি বিবেচনা করতে পারেন কিছু বিকল্প:

  1. আপনি যদি কোনও উল্লেখযোগ্য পার্থক্য সনাক্ত করার সন্ধান করছেন তবে ওয়েস্টার্ন বৈদ্যুতিক নিয়ম ব্যবহার করে একটি পরিসংখ্যান প্রক্রিয়া নিয়ন্ত্রণ (এসপিসি) চার্ট আপনাকে এটি সনাক্ত করতে সহায়তা করতে পারে। @ আইরিশ স্ট্যাট যেমন পরামর্শ দিয়েছেন, দুটি সময়ের সিরিজের মধ্যে পার্থক্য নির্ধারণ করা সবচেয়ে ভাল শুরু। তারপরে দুটি সময়ের সিরিজের স্থিতিশীল সময়ের বিশ্লেষণের ভিত্তিতে এসপিসির বিধি প্রয়োগ করা ভাল।

https://en.wikipedia.org/wiki/Western_Electric_rules

  1. আরও বিশদ ব্যবহারিক পদ্ধতির ক্রমোস্ট্যাটাস্টিক্স যা পরিবর্তনকে চিহ্নিত করার জন্য এবং সময় সিরিজের ডেটাগুলিতে গোলমালের নির্দিষ্ট বৈশিষ্ট্যগুলি খনির শিল্পে ব্যাপক গ্রহণযোগ্যতা সংগ্রহ করছে। আপনি যেমন কল্পনা করতে পারেন, এমন পরিবেশে যেখানে আপনি 0.001% উপাদানের প্রতি আগ্রহী সেখানে নমুনা এবং প্রক্রিয়াটির পরিবর্তনশীলতার মধ্যে অনিশ্চয়তা বুঝতে হবে আপনার দুটি সময়ের সিরিজের মধ্যে পার্থক্য রয়েছে কিনা তা জানতে to

মাইন প্রসেস ইঞ্জিনিয়ার হিসাবে, আমি টাইম সিরিজের ডেটাগুলির সাথে ডিল করতে অভ্যস্ত যা এর থেকে অনেক বেশি গোলমাল এবং ক্রোনোস্ট্যাটাস্টিক্স (সমর্থকরা পিয়ের গি এবং ফ্রান্সিস পিটার্ড অন্তর্ভুক্ত) ডেটা স্যাম্পলিং কৌশল এবং উপাত্তের অন্যান্য দিকগুলির দ্বারা প্রবর্তিত ত্রুটিগুলি সনাক্তকরণের অনুমতি দেয় জমায়েত। আরও অ্যাক্সেসযোগ্য কাগজপত্র (অর্থাত্ পেশাদার পেশাদার পরিসংখ্যানবিদদের পক্ষে সহজ) টিম নেপিয়ার-মুন লিখেছেন, যিনি টাইম সিরিজের ডেটা মূল্যায়নের জন্য খুব অ্যাপ্লিকেশন ভিত্তিক পন্থা রেখেছেন।

আমি কোনও ওপেন সোর্স কাগজপত্র সম্পর্কে সচেতন নই তবে এই দুজন লেখকই এলসেভিয়ারের মাধ্যমে প্রকাশ করেছেন।

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.