প্রশ্ন ট্যাগ «seasonality»

মৌসুমতা নির্দিষ্ট সময়কালের জন্য সাধারণত একটি ক্যালেন্ডার বছরের জন্য সময়-সিরিজের গড়ের চারপাশে পুনরাবৃত্তির ওঠানামা বোঝায়।

6
ডেটাতে মৌসুমতা সনাক্ত করতে কোন পদ্ধতি ব্যবহার করা যেতে পারে?
আমি যে ডেটা পেয়েছি তাতে মৌসুমী সনাক্ত করতে চাই। এমন কিছু পদ্ধতি রয়েছে যা আমি মৌসুমী সাবরিজ প্লট এবং স্বতঃসংশ্লিষ্ট প্লটের মতো খুঁজে পেয়েছি তবে বিষয়টি হ'ল আমি বুঝতে পারি না যে গ্রাফটি কীভাবে পড়তে হয়, কেউ সাহায্য করতে পারে? অন্যটি বিষয় হ'ল, গ্রাফের চূড়ান্ত ফলাফলের সাথে বা ছাড়া মৌসুমতা …

3
দৈনিক সময় সিরিজ বিশ্লেষণ
আমি সময় সিরিজ বিশ্লেষণ করার চেষ্টা করছি এবং এই ক্ষেত্রে নতুন। আমার 2006-2009-এর একটি ইভেন্টের দৈনিক গণনা রয়েছে এবং আমি এটিতে একটি টাইম সিরিজের মডেল ফিট করতে চাই। আমি যে অগ্রগতি করেছি তা এখানে: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) আমি প্রাপ্ত ফলাফলের প্লটটি হ'ল: ডেটাতে seasonতু এবং ট্রেন্ড আছে কিনা তা …

4
আত্মহত্যার গণনার ডেটাতে মৌসুমী প্রভাবগুলির পরীক্ষা করার জন্য এটি কি উপযুক্ত পদ্ধতি?
আমি মার্কিন যুক্তরাষ্ট্রে একটি রাজ্যের জন্য আত্মহত্যা মৃত্যুর সাথে সম্পর্কিত মৃত্যুর শংসাপত্রের ডেটা 17 বছরের (1995 থেকে 2011) পেয়েছি সেখানে আত্মহত্যা এবং মাস / asonsতু সম্পর্কে প্রচুর পুরাণ রয়েছে, এটির অনেকগুলি বিরোধী এবং আমি সাহিত্যের " পর্যালোচনা করা হয়েছে, আমি ব্যবহার পদ্ধতিগুলির পরিষ্কার ধারণা বা ফলাফলের মধ্যে আস্থা পাই না। …

3
প্রতিদিনের ডেটা সহ অটো.রিমা: মৌসুমী / পর্যায়ক্রমিকতা কীভাবে ধরা যায়?
আমি একটি দৈনিক সময় সিরিজে একটি আরিমা মডেল ফিট করছি। ডেটা 02-01-2010 থেকে 30-07-2011 পর্যন্ত প্রতিদিন সংগ্রহ করা হয় এবং খবরের কাগজ বিক্রয় সম্পর্কে। যেহেতু বিক্রয়ের একটি সাপ্তাহিক প্যাটার্ন পাওয়া যায় (দৈনিক গড় কপি বিক্রি হয় সোমবার থেকে শুক্রবার পর্যন্ত একই হয়, তারপরে শনি ও রবিবার বৃদ্ধি হয়), তাই আমি …

2
Seasonতু পচন পদ্ধতি নির্বাচন করা
মৌসুমী সমন্বয় আরও গবেষণার জন্য ডেটা প্রিপ্রোসেসিং একটি গুরুত্বপূর্ণ পদক্ষেপ। গবেষক অবশ্য প্রবণতা-চক্র-মৌসুমী পচন জন্য বিভিন্ন বিকল্প আছে। সর্বাধিক প্রচলিত (অভিজ্ঞতামূলক সাহিত্যে উদ্ধৃতি সংখ্যার বিচার করে) প্রতিদ্বন্দ্বী seasonতু পচন পদ্ধতি হ'ল এক্স -11 (12) -আরিমা, ট্রামো / আসন (উভয়ই ডেমেট্রা + এ প্রয়োগ করা হয় ) এবং এর স্টিল । …

1
ARIMA অর্ডার নির্ধারণ করতে সমস্যা
এটি একটি দীর্ঘ পোস্ট তাই আমি আশা করি আপনি আমার সাথে সহ্য করতে পারেন, এবং আমি যেখানে ভুল করছি দয়া করে আমাকে সংশোধন করুন। আমার লক্ষ্যটি 3 বা 4 সপ্তাহের historicalতিহাসিক তথ্যের ভিত্তিতে একটি দৈনিক পূর্বাভাস উত্পাদন করা। ট্রান্সফরমার লাইনের একের স্থানীয় লোডের ডেটাটি 15 মিনিটের ডেটা। একটি মৌসুমী আরিমা …

1
STL s.window প্রস্থ সেট করার মানদণ্ড
Rএসটিএল পচানোর জন্য ব্যবহার করে , s.windowমরসুমী উপাদানটি কত দ্রুত পরিবর্তন করতে পারে তা নিয়ন্ত্রণ করে। ছোট মান আরও দ্রুত পরিবর্তনের অনুমতি দেয়। মৌসুমী উইন্ডোটিকে অসীম হিসাবে সেট করা মৌসুমী উপাদানটিকে পর্যায়ক্রমিক হতে বাধ্য করার সমতুল্য (অর্থাত্ বছর জুড়ে অভিন্ন)। আমার প্রশ্নগুলো: আমার যদি একটি মাসিক সময় সিরিজ থাকে (এটি …

1
মাল্টিভিয়ারেট জৈবিক সময় সিরিজ: ভিএআর এবং seasonতুসত্তা
জৈবিক এবং পরিবেশগত পরিবর্তনশীল (প্লাস সম্ভবত কিছু বহির্মুখী ভেরিয়েবল) সহ ইন্টারঅ্যাক্টিং সহ আমার বহুবিধ সময় সিরিজ ডেটাসেট রয়েছে। মৌসুমীতার পাশাপাশি ডেটাগুলিতে সুস্পষ্ট দীর্ঘমেয়াদী প্রবণতা নেই। আমার উদ্দেশ্য হ'ল কোন ভেরিয়েবলগুলি একে অপরের সাথে সম্পর্কিত। পূর্বাভাস সত্যিই সন্ধান করা হয় না। সময়-সিরিজ বিশ্লেষণে নতুন হয়ে আমি বেশ কয়েকটি তথ্যসূত্র পড়েছি। আমি …

1
ক্যারেট গ্ল্যামনেট বনাম সিভি.glmnet
একটি অনুকূল ল্যাম্বদা অনুসন্ধান করতে এবং একই কাজটি glmnetকরার caretজন্য ব্যবহারের মধ্যে তুলনা করে অনেক বিভ্রান্তি রয়েছে বলে মনে হয় cv.glmnet। অনেক প্রশ্ন উত্থাপিত হয়েছিল, যেমন: শ্রেণিবিন্যাস মডেল ট্রেন.glmnet বনাম cv.glmnet? ক্যারেটের সাথে গ্ল্যামনেট ব্যবহারের সঠিক উপায় কী? `ক্যারেট ব্যবহার করে ক্রস-বৈধকরণ` গ্ল্যামেট` তবে কোনও উত্তর দেওয়া হয়নি, যা প্রশ্নের …

5
খুব বড় সংখ্যক ডেটা পয়েন্টে মানগুলির অনুগমন কীভাবে করা যায়?
আমার একটি খুব বড় ডেটাসেট রয়েছে এবং প্রায় 5% এলোমেলো মান অনুপস্থিত। এই ভেরিয়েবলগুলি একে অপরের সাথে সম্পর্কিত হয়। নীচের উদাহরণটি আর ডেটাসেটটি ডমি কোলেলেটেড ডেটা সহ একটি খেলনার উদাহরণ। set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

2
দৈনিক, সাপ্তাহিক এবং বার্ষিক পর্যায়ক্রমিক সাথে প্রতি ঘন্টা সময় সিরিজ পূর্বাভাস
প্রধান সম্পাদনা: ডেভ অ্যান্ড নিকের প্রতিক্রিয়ার জন্য আমি এ পর্যন্ত তাদেরকে ধন্যবাদ জানাতে চাই। সুসংবাদটি হ'ল আমি কাজ করার লুপ পেয়েছি (ব্যাচের পূর্বাভাসের বিষয়ে অধ্যাপক হাইডম্যানের পোস্ট থেকে মূলত ধার করা)। বকেয়া প্রশ্নগুলি একীভূত করতে: ক) অটো.রিমার জন্য আমি কীভাবে সর্বাধিক সংখ্যক পুনরাবৃত্তি বৃদ্ধি করব - মনে হয় প্রচুর সংখ্যক …

2
কেন স্টল ফাংশন এলোমেলো ডেটা সহ উল্লেখযোগ্য seasonতুগত প্রকরণ দেয়
আমি stl (Loতু দ্বারা টাইম সিরিজের মৌসুমী ক্ষয়) ফাংশন সহ নিম্নলিখিত কোডের সাথে প্লট করেছি: plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) এটি উপরের কোডে র্যান্ডম ডেটা (rnorm ফাংশন) সহ মৌখিক মৌসুমী প্রকরণ দেখায়। প্যাটার্নটি ভিন্ন হলেও এটি চলাকালীন প্রতিটি সময় সংখ্যার বৈচিত্র্য দেখা যায়। এরকম দুটি নিদর্শন নীচে দেখানো হয়েছে: মৌসুমী প্রকরণটি যখন …

2
কেন আমরা একটি সময় সিরিজ থেকে মৌসুমী অপসারণ করা উচিত?
সময় সিরিজের সাথে কাজ করার সময় আমরা মাঝে মাঝে বর্ণালি বিশ্লেষণ ব্যবহার করে মৌসুমতাকে সনাক্ত এবং সরিয়ে ফেলি। আমি সময় সিরিজের সত্যিকারের শিক্ষানবিস এবং আমি বিভ্রান্ত হয়ে পড়েছি কেন কেউ আসল সময়ের সিরিজ থেকে মৌসুমীতা সরিয়ে নিতে চাইবে? মৌসুমীতা সরানো কি মূল ডেটাটি বিকৃত করে না? মৌসুমীতা সরিয়ে একটি টাইম …

2
জটিল seasonতুতে forতু সূচকের গণনা
আমি এক্সটেনশিয়াল স্মুথিং ব্যবহার করে খুচরা আইটেমগুলির (সপ্তাহে) পূর্বাভাস দিতে চাই। সেলোনালিটি সূচকগুলি কীভাবে গণনা, সঞ্চয় এবং প্রয়োগ করতে হয় সে সম্পর্কে আমি এখনই আটকে আছি। সমস্যাটি হ'ল আমি যে সমস্ত উদাহরণ পেয়েছি তা এক ধরণের সহজ মৌসুমতার সাথে ডিল করেছি। আমার ক্ষেত্রে আমার নিম্নলিখিত সমস্যাগুলি রয়েছে: ১. প্রতি বছর …

2
প্রতিদিনের টাইম সিরিজের ডেটাতে কীভাবে মাস থেকে মাসের প্রভাবগুলি মডেল করবেন?
আমার কাছে প্রতিদিনের ডেটা দু'বারের সিরিজ রয়েছে। একটি sign-upsএবং terminationsসাবস্ক্রিপশন অন্য । আমি উভয় ভেরিয়েবলের মধ্যে থাকা তথ্য ব্যবহার করে পরবর্তীটির পূর্বাভাস দিতে চাই। এই সিরিজের গ্রাফের দিকে তাকালে এটা স্পষ্ট হয় যে কয়েক মাস আগে সাইন-আপের বহুগুণের সাথে টার্মিনেশনগুলি সম্পর্কযুক্ত। অর্থাৎ, 10 ই মে সাইন-আপগুলি স্পাইকের ফলে 10 ই …

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.