এসিএফ এবং পিএসিএফের সাথে মৌসুমীতার ব্যাখ্যা করা

Question

আমার একটি ডেটাসেট রয়েছে যেখানে অনুপ্রেরণামূলক অন্তর্দৃষ্টি বলেছে যে আমার একটি সাপ্তাহিক seasonতু আশা করা উচিত (যেমন, শনিবার এবং রবিবারের আচরণটি সপ্তাহের বাকি অংশের চেয়ে আলাদা)। এই ভিত্তিটি কি সত্য হওয়া উচিত, একটি স্বতঃসংশ্লিষ্ট গ্রাফটি কি আমাকে 7 এর বহুগুণে ফেটে দেয় না?

এখানে ডেটার একটি নমুনা দেওয়া হয়েছে:

data = TemporalData[{{{2012, 09, 28}, 19160768}, {{2012, 09, 19}, 
    19607936}, {{2012, 09, 08}, 7867456}, {{2012, 09, 15}, 
    11245024}, {{2012, 09, 04}, 0}, {{2012, 09, 21}, 
    24314496}, {{2012, 09, 12}, 11233632}, {{2012, 09, 03}, 
    9886496}, {{2012, 09, 09}, 9122272}, {{2012, 09, 24}, 
    23103456}, {{2012, 09, 20}, 25721472}, {{2012, 09, 11}, 
    12272160}, {{2012, 09, 25}, 21876960}, {{2012, 09, 05}, 
    7182528}, {{2012, 09, 16}, 11754752}, {{2012, 09, 23}, 
    23737248}, {{2012, 09, 26}, 20985984}, {{2012, 09, 10}, 
    12123584}, {{2012, 09, 06}, 9076736}, {{2012, 09, 17}, 
    20123328}, {{2012, 09, 18}, 20634720}, {{2012, 09, 22}, 
    23361024}, {{2012, 09, 14}, 11804928}, {{2012, 09, 07}, 
    9007200}, {{2012, 09, 02}, 9244192}, {{2012, 09, 13}, 
    11335328}, {{2012, 09, 27}, 20694720}, {{2012, 10, 26}, 
    12242112}, {{2012, 10, 15}, 10963776}, {{2012, 11, 09}, 
    9735424}, {{2012, 10, 08}, 10078240}, {{2012, 10, 31}, 
    10676736}, {{2012, 10, 20}, 11719840}, {{2012, 11, 05}, 
    10475168}, {{2012, 10, 01}, 9988416}, {{2012, 10, 24}, 
    11998688}, {{2012, 10, 12}, 10393120}, {{2012, 10, 23}, 
    11987936}, {{2012, 10, 19}, 11165536}, {{2012, 10, 04}, 
    9902720}, {{2012, 11, 16}, 10023648}, {{2012, 11, 21}, 
    10047936}, {{2012, 10, 10}, 10205568}, {{2012, 11, 08}, 
    9872832}, {{2012, 10, 21}, 12854112}, {{2012, 11, 04}, 
    10485856}, {{2012, 10, 07}, 9565248}, {{2012, 09, 30}, 
    9784864}, {{2012, 10, 29}, 12880064}, {{2012, 11, 10}, 
    8945824}, {{2012, 11, 15}, 9870880}, {{2012, 09, 29}, 
    9718080}, {{2012, 10, 18}, 10992896}, {{2012, 10, 06}, 
    9319584}, {{2012, 11, 03}, 9077024}, {{2012, 10, 03}, 
    10537408}, {{2012, 11, 22}, 9853216}, {{2012, 10, 11}, 
    10191936}, {{2012, 10, 22}, 12766816}, {{2012, 11, 07}, 
    9510624}, {{2012, 11, 14}, 9707264}, {{2012, 10, 28}, 
    12060736}, {{2012, 11, 19}, 10946880}, {{2012, 11, 11}, 
    9529568}, {{2012, 10, 09}, 9967680}, {{2012, 10, 17}, 
    12093344}, {{2012, 11, 20}, 10520800}, {{2012, 10, 05}, 
    9619136}, {{2012, 10, 25}, 11484288}, {{2012, 11, 17}, 
    9389312}, {{2012, 10, 30}, 12078944}, {{2012, 10, 14}, 
    9505984}, {{2012, 10, 02}, 9943648}, {{2012, 11, 24}, 
    9458144}, {{2012, 11, 02}, 10082944}, {{2012, 11, 01}, 
    11082912}, {{2012, 10, 13}, 9117632}, {{2012, 11, 23}, 
    10253280}, {{2012, 11, 12}, 10240672}, {{2012, 11, 06}, 
    9723456}, {{2012, 11, 13}, 9806880}, {{2012, 10, 16}, 
    12368896}, {{2012, 11, 18}, 9632800}, {{2012, 10, 27}, 10606656}}]

... এবং এসিএফ:

... এবং পিএসিএফ:

Comments

সম্ভবত আপনার অন্তর্দৃষ্টি ভুল? আমি ব্যক্তিগতভাবে সপ্তাহের দিনগুলিতে বক্সপ্লটগুলিতে দেখতে পছন্দ করি। তাদের চেহারা কেমন? অন্যথা, আপনি মৌসুমি প্লট তাকান পারে, একাধিক সপ্তাহ সপ্তাহের দিন বিরুদ্ধে আপনার আগ্রহের পরিবর্তনশীল ষড়যন্ত্র, মত এই (কিন্তু অনুভূমিক অক্ষের উপর মাসের পরিবর্তে সপ্তাহের দিন সহ): otexts.com/fppfigs/a10b.png

— স্টিফেন কোলাসা

আপনি কি এই দিকে তাকিয়েছেন ?

— tchakravarty

Answer 1

প্রথমত, এখানে আপনার স্বজ্ঞাতকে একটি সরল সময় সিরিজে চিত্রিত করা হয়েছে যেখানে উইকএন্ডটি এসিএফ-তে সহজেই উপস্থিত হয়:

যাইহোক, ডেটাতে কিছু প্রবণতা থাকলে এই প্রত্যাশিত এসিএফ প্যাটার্নটি মাস্ক করা যেতে পারে:

একটি সমাধান (যদি এটি কোনও সমস্যা হয়) হ'ল seasonতু নির্ধারণের সময় প্রবণতার জন্য অনুমান করা এবং নিয়ন্ত্রণ করা।

এই প্লটগুলি উত্পাদিত আর কোডটি নিম্নলিখিত:

# fourteen repeating 'weeks' of five zeroes and two ones
weekendeffect <- rep(c(rep(0,5),1,1),times=14)

plot(weekendeffect,
    main="Weekly pattern of five zeroes & two ones",
    xlab="Time", ylab="Value")  
acf(weekendeffect, main="ACF")

# add steady trend 
dailydrift <- 0.05
drift <- seq(from=dailydrift, to=length(weekendeffect)*dailydrift, 
   by=dailydrift)
driftingtimeseries <- drift + weekendeffect 

plot(driftingtimeseries,
    main=c("Weekly pattern with daily drift of",dailydrift),
    xlab="Time", ylab="Value")  
acf(driftingtimeseries, main=c("ACF with daily drift of",dailydrift))


# add larger trend 
dailydrift <- 0.1
drift <- seq(from=dailydrift, to=length(weekendeffect)*dailydrift, 
   by=dailydrift)
driftingtimeseries <- drift + weekendeffect 

plot(driftingtimeseries,
    main=c("Weekly pattern with daily drift of",dailydrift),
    xlab="Time", ylab="value")  
acf(driftingtimeseries, main=c("ACF with daily drift of",dailydrift))

Answer 2

আপনি কি আপনার ডেটা নিশ্চল করতে আলাদা করার কৌশল ব্যবহার করেছেন? আপনার এসিএফ প্লট পরামর্শ দেয় যে সম্ভবত আপনি এই পদক্ষেপটি করেননি। আপনার একবার স্টেশনারি সিরিজ পরে প্লটগুলি ব্যাখ্যা করা আরও সহজ হবে। আমি দুটি বিশ্ববিদ্যালয়ের উত্স যুক্ত করেছি যা আপনাকে পৃথকীকরণ এবং ব্যাখ্যায় সহায়তা করতে পারে।

পেনসিলভেনিয়া স্টেট বিশ্ববিদ্যালয়

ডিউক বিশ্ববিদ্যালয়

Comments

ভবিষ্যতে যদি তারা মারা যায় তবে আপনার লিঙ্কগুলির জন্য উল্লেখগুলি যুক্ত করুন

— এন্টোইন