Dieses Menü berechnet einen gleitenden Durchschnitt einer Zeitreihe. Gibt eine Variable an, die eine Zeitreihe enthält, für die der gleitende Durchschnitt berechnet werden soll. Verfügbare Daten Hier werden die Variablen aufgeführt, die für die Daten verwendet werden können und die Eingabefelder speichern. Doppelklicken Sie auf einen Namen, um ihn in das aktuelle Eingabefeld zu kopieren. Alternativ können Sie ihn auch einfach über die Tastatur eingeben. Anzahl der Proben im gleitenden Durchschnitt. Für einen zentrierten gleitenden Durchschnitt muss bei Bestellung 0 diese ungerade Zahl sein. Die Anzahl der Proben muss größer sein als die Reihenfolge des gleitenden Durchschnitts. Dies legt den zu berechnenden Typ des gleitenden Durchschnitts fest. Die Optionen sind: - ein ungewichteter Mittelwert der vergangenen Werte, - ein Mittelwert, der auf den aktuellen Wert zentriert ist, wobei die ersten und letzten Samples Gewichte von 0,5 erhalten, wenn die Länge gleich ist, - ein exponentiell gewichteter Mittelwert aus vergangenen Werten, - FILTER verwendet Glätten Sie die Daten mit einem speziell konstruierten ARIMA-Modell. Die Reihenfolge für die Polynomglättung. Wenn die Reihenfolge auf 0 gesetzt wird, ergibt sich ein normaler gleitender Durchschnitt aus Mitteln. Trim Transients Für die Vergangenheit oder zentrierte Methoden mit Order 0 schränkt diese Option Transienten und den Anfang (oder das Ende für die Zentrierung) der Serie. Transienten sind jene Punkte, die nicht vollständig geschätzt werden, da sie nicht den vollen Satz von Proben vor oder um sie herum haben. Saisonanpassung Hier wird ein Faktor angegeben, mit dem der gleitende Durchschnitt angepasst werden kann. Die Residuen (die beobachteten Werte minus dem gleitenden Durchschnitt) werden berechnet und dann für jeden Pegel dieses Faktors gemittelt. Diese Mittelwerte für jede Ebene werden dann aus den entsprechenden Einheiten des gleitenden Durchschnitts entfernt, so daß der mittlere Restwert für jedes Niveau nun Null ist. Save moving average in Gibt eine Datenstruktur an, die den gleitenden Durchschnitt enthält. In Tabellenkalkulation anzeigen Ermöglicht die Anzeige der Ergebnisse in einer Kalkulationstabelle. Sie können das Blatt aus der Liste der aktuellen geöffneten Kalkulationstabellen auswählen oder eine neue Kalkulationstabelle erstellen, die erstellt werden soll. Anmerkung: Die Anzahl der Zeilen der Kalkulationstabelle muss mit der Länge der Ergebnisse übereinstimmen, die durch die Berechnung gebildet werden, andernfalls wird ein neues Blatt verwendet. Anzeige der gleitenden Mittelwerte Die ursprüngliche Reihe und der gleitende Mittelwert werden mit Hilfe eines Linienplots aufgetragen. Ermöglicht die Angabe eines Titels für den gleitenden Durchschnitt. Wenn dieses Feld leer ist, wird ein Standardtitel erstellt, der die Serie und den Typ des gleitenden Mittelwertes angibt. Wenn Sie den Titel unterdrücken möchten, geben Sie einfach ein Feld im Titelfeld ein. Die Datei Cetave. dat gibt die monatliche Durchschnittstemperatur von Zentral-England für 1659-1973. Diese Datei kann im Verzeichnis GenStat ExamplesGuidePart2 gefunden werden. Das folgende Menü zeigt die Berechnung eines gefilterten gleitenden Mittelwerts der Länge 12 mit dem Auftrag 0, das Speichern der Ergebnisse und das Plotten in einem Diagramm mit dem Standardtitel. Der gleitende Durchschnitt der Länge 12 wird so gewählt, dass er über Jahre dauert, um ihn weniger empfindlich auf die monatliche Variation des Jahres zu machen. Zeitreiheanalyse tsa statsmodels. tsa enthält Modellklassen und Funktionen, die für die Zeitreihenanalyse von Nutzen sind. Dies umfasst derzeit univariate autoregressive Modelle (AR), Vektor autoregressive Modelle (VAR) und univariate autoregressive Moving Average Models (ARMA). Es enthält auch deskriptive Statistiken für Zeitreihen, zB Autokorrelation, partielle Autokorrelationsfunktion und Periodogramm sowie die entsprechenden theoretischen Eigenschaften von ARMA oder verwandter Prozesse. Es enthält auch Methoden, um mit autoregressiven und gleitenden durchschnittlichen Lag-Polynome zu arbeiten. Zusätzlich stehen entsprechende statistische Tests und einige nützliche Helferfunktionen zur Verfügung. Die Schätzung erfolgt entweder durch exakte oder bedingte Maximum Likelihood oder bedingte Kleinstquadrate, entweder mit Hilfe von Kalman Filter oder direkten Filtern. Derzeit müssen Funktionen und Klassen aus dem entsprechenden Modul importiert werden, die Hauptklassen werden jedoch im Statsmodels. tsa-Namespace verfügbar gemacht. Die Modulstruktur befindet sich in statsmodels. tsa ist stattools. Empirische Eigenschaften und Tests, acf, pacf, Granger-Kausalität, adf-Einheit Wurzeltest, ljung-Box-Test und andere. Armodel Univariate autoregressive Prozess, Schätzung mit bedingten und exakten maximalen Likelihood und bedingte kleinste Quadrate arimamodel. Univariate ARMA-Prozess, Schätzung mit bedingter und exakter maximaler Likelihood und bedingter kleinste Quadrate vectorar, var. Vektor autoregressive Prozess - (VAR) Schätzmodelle, Impulsantwortanalyse, Prognosefehler-Varianzzerlegungen und Datenvisualisierungstools kalmanf. Schätzklassen für ARMA und andere Modelle mit genauen MLE mit Kalman Filter Armaprocess. Eigenschaften von Arma-Prozessen mit vorgegebenen Parametern, dazu gehören Werkzeuge zur Umwandlung zwischen ARMA, MA und AR-Darstellung sowie acf, pacf, spektrale Dichte, Impulsantwortfunktion und ähnliches sandbox. tsa. fftarma. Ähnlich wie armaprocess aber arbeiten im Frequenzbereich tsatools. Zusätzliche Helferfunktionen, um Arrays von verzögerten Variablen zu erstellen, Regressoren für Trend, Detrend und Ähnliches zu konstruieren. Filter. Helferfunktion zum Filtern von Zeitreihen Einige zusätzliche Funktionen, die auch für die Zeitreihenanalyse nützlich sind, befinden sich in anderen Teilen von Statsmodellen, beispielsweise zusätzlichen statistischen Tests. Einige verwandte Funktionen gibt es auch in matplotlib, nitime und scikits. talkbox. Diese Funktionen sind mehr für den Einsatz in der Signalverarbeitung konzipiert, wo längere Zeitreihen verfügbar sind und häufiger im Frequenzbereich arbeiten. Beschreibende Statistik und Tests stattools. acovf (x, unvoreingenommen, demean, fft)
No comments:
Post a Comment