দীর্ঘ স্মৃতি প্রক্রিয়া পূর্বাভাস

আমি দুই রাষ্ট্র প্রক্রিয়ার সঙ্গে কাজ করছি মধ্যে জন্য $x_t$ $\{1, -1\}$ $t = 1, 2, \ldots$

স্বতঃসংশোধন ফাংশন দীর্ঘ মেমরির সাথে প্রক্রিয়াটির ইঙ্গিত দেয়, অর্থাত্ এটি কোনও ক্ষতিকারক দিয়ে একটি পাওয়ার আইন ক্ষয় প্রদর্শন করে <১। আপনি আর এর সাথে একটি অনুরূপ সিরিজ অনুকরণ করতে পারেন:

> library(fArma)
> x<-fgnSim(10000,H=0.8)
> x<-sign(x)
> acf(x)

আমার প্রশ্ন: কেবলমাত্র অটোক্রেলেশন ফাংশনটি দেওয়া সিরিজের পরবর্তী মানটির অনুকূলভাবে পূর্বাভাস দেওয়ার কোনও আধ্যাত্মিক উপায় আছে? ভবিষ্যদ্বাণী করার একটি উপায় সহজভাবে ব্যবহার করা

$\hat{x}(t) = x(t-1)$

যার এর শ্রেণিবিন্যাসের হার রয়েছে , যেখানে হ'ল লগ -১ স্বতঃসংশোধন, তবে আমি মনে করি দীর্ঘ মেমরির কাঠামোটি বিবেচনায় রেখে আরও ভাল করা সম্ভব হবে। $(1 + \rho_1) / 2$ $\rho$

time-series predictive-models autocorrelation

— ক্রিস টেলর
সূত্র

আমি মনে করি যে সমস্যার একটি অংশ আপনি রেখেছেন প্রক্রিয়াটি আপনার তালিকাভুক্ত বৈশিষ্ট্যগুলি দ্বারা সম্পূর্ণরূপে সংজ্ঞায়িত করা হয়নি in আকার নমুনার জন্য , আপনি দিয়েছিলেন পরামিতিগুলির জন্য লিনিয়ার সীমাবদ্ধতা । অনেকগুলি প্রক্রিয়া সীমাবদ্ধতাগুলি পূরণ করতে পারে এবং এখনও বিভিন্ন অর্জনযোগ্য শ্রেণিবিন্যাসের হারের দিকে নিয়ে যায়। আপনার কোডটি কোনও প্রক্রিয়াটিকে স্বতন্ত্রভাবে সংজ্ঞায়িত করে, তবে মনে হয়েছে আপনি আগ্রহী মূল বিষয়টিকে পরিবর্তে একটি দৃ concrete় উদাহরণ হিসাবে বেছে নিয়েছেন।

n

$n$

(\binom{n}{2})

$n\choose 2$

2^{n}

$2^n$

R

$R$

— কার্ডিনাল

@ কার্ডিনাল, সমস্যার সমাধান সমাধান জানা উচিত যা সম্ভবত ডাব্লু.পালমা লং মেমোরি টাইম সিরিজে পাওয়া যায়: থিওরি এবং পদ্ধতিগুলি। মুল বক্তব্যটি হ'ল অটোক্রেলেশন ফাংশনটি ইউুল ওয়াকার সমীকরণের পদ্ধতির দ্বারা প্রক্রিয়াটির উপস্থাপনের প্যারামিটারগুলি উপস্থাপন করা যেতে পারে, মূল বিষয়টি যখন এই জাতীয় প্রতিনিধিত্ব থাকে (উল্টে যায়) এবং কোনটি বলার মাধ্যমে গ্রহণযোগ্য হয় MSE। আমার পিএইচডি তে কোডের জন্য আমি প্যাকেজটি ব্যবহার করেছি ।

A R (\infty)

$AR(\infty)$

R

$R$ fracdiff

— দিমিত্রিজ সেলভ

@ দিমিত্রিজ, @ ক্রিস, ওপি বিশেষত বলেছে যে তিনি বাইনারি-মূল্যবান প্রসেসগুলিতে আগ্রহী (তিনি যে বিষয়ে সম্ভবত আগ্রহী সে সম্পর্কে আমি বেশ ভাল ধারণা পেয়েছি), যার জন্য ইউলে-ওয়াকারের মাধ্যমে একটি এআর গঠন আমাকে বিজ্ঞাপন হিসাবে আঘাত করবে- কমপক্ষে এই। শর্তসাপেক্ষ সম্ভাবনাটি অনুমান করার জন্য আপনি এটির চারপাশে একটি রসদ নিক্ষেপ করতে পারেন তবে এই ক্ষেত্রে কেউ অনুমানগুলি গ্রহণ করছে তা স্বীকৃতি দেওয়া এখনও গুরুত্বপূর্ণ। এছাড়াও, দীর্ঘ-স্মৃতি প্রক্রিয়াগুলির জন্য, ছাঁটাইয়ের পছন্দটি গুরুত্বপূর্ণ হতে পারে এবং অনিয়ন্ত্রিত শিল্পকর্মকে প্ররোচিত করতে পারে।

— কার্ডিনাল

@ কার্ডিনাল, @ ক্রিস ওহ, আমি সাধারণত টাস্কটির অংশটি মিস করেছি ^ __ b বাইনারি-মূল্যবান প্রক্রিয়াটির ক্ষেত্রে এটি যোগাযোগ নেটওয়ার্কগুলি থেকে আসা বা চালু / বন্ধ প্রক্রিয়া হিসাবে পরিচিত ট্র্যাফিক পরিমাপের একটি খুব সুপরিচিত (অধ্যয়নকৃত) সমস্যা বলে মনে হচ্ছে যে দীর্ঘ পরিসীমা নির্ভরতা (দীর্ঘ স্মৃতি) বৈশিষ্ট্য প্রদর্শন করে। বিশেষ উদাহরণ হিসাবে, আমি কিছুটা বিভ্রান্ত, যেহেতু "পূর্বাভাসের এক উপায়ে" ক্রিস আসলে পূর্ববর্তী মানটি গ্রহণ করে, কেবল এসিএফ ব্যবহার করে না (বা "শ্রেণীবদ্ধের হার" শব্দটি দ্বারা আমি আরও বিভ্রান্ত হয়ে পড়েছি)।

— দিমিত্রিজ সেলভ

আমি ধারণা করি একটি অটোরিগ্রেসিভ ভগ্নাংশের সাথে সংহত মডেলটির কোড নেওয়া এবং সম্ভাব্যতার কার্যকারিতাটিকে একটি প্রবাইট ইফেক্টগুলি অন্তর্ভুক্ত করার পক্ষে পরিবর্তন করা সম্ভব হবে imagine তারপরে আপনি বা এর সম্ভাব্যতা পেতে পারেন ।

1

$1$

- 1

$-1$

— জন

আপনি কি "ভেরিয়েবল লেন্থ মার্কোভ চেইনস", ভিএলএমসি চেষ্টা করেছেন কাগজটি হল "ভেরিয়েবল দৈর্ঘ্য মার্কভ চেইনস: মেথডোলজি, কম্পিউটিং এবং সফটওয়্যার", মার্টিন মাচার এবং পিটার বুহলম্যান, 2004, গণনা ও গ্রাফিকাল স্ট্যাটিস্টিকস, ভলিউম। 13, নং 2।

— তাত্ক্ষণিকবাজার
সূত্র