81736_fr-FR

liliconcom

Standardisation de la série temporelle brute dans JMP

Chers tous, 

 

Je voudrais normaliser ma série temporelle brute en utilisant une fonction spline de 32 ans. Comment puis-je faire dans JMP?

De plus, j'aimerais savoir comment obtenir les indices statistiques EPS et Rbar. Ces logiciels sont généralement utilisés dans le logiciel ARSTAN pour valider la normalisation.

 

Cordialement, 

Angelo

Re: Standardisation de la série temporelle brute dans JMP

Angello,

Une recherche sur le logiciel ARSTAN et EPS, me mène à ce lien. ARSTAN_link qui affiche la sortie. ARSTAN est un logiciel spécialisé utilisé pour identifier les relations entre les facteurs environnementaux pouvant affecter la végétation, la croissance ou le stress (cernes), etc.  Ce lien ARSTAN_vs_R_dplr compare les résultats d'ARSTAN au package R, dplr.  Cela explique en quoi ils diffèrent. Le fait est que les deux programmes aident à organiser les données provenant de différentes sources afin d’obtenir des tendances afin que des relations puissent être établies.

JMP peut probablement effectuer les analyses dont vous avez besoin, mais il ne s'agira pas d'une application clé en main, à moins que quelqu'un n'ait écrit une application JMP.  Ci-dessous, j'ai un script qui pourrait aider, mais ne sera pas un match parfait. Les données de réponse environnementale ont généralement plusieurs échantillons par période ou par lieu.  L'exemple que j'ai a juste a une valeur par mois, donc le script crée un échantillon multiple par trimestre, période, puis utilise un ajustement Gaussien (0,25), enregistre les prévisions et les résidus.

 

Puisque je ne suis pas un expert dans ce domaine, c'est tout ce que j'ai. J'espère que cela fournit une direction à explorer. Notez que si vous avez utilisé dplr, vous pouvez utiliser JMP pour appeler les routines R.

 

Tracé de la plage de valeurs prédites et résiduelles

Names Default to Here(1);

dt = Open("$sample_data\time series\steel shipments.jmp");

dt << New Column("YearQtr", numeric, Formula(Col Mean(:Date,Year(:Date), Quarter(:Date))),
  Format("yyyyQq"));

biv = Bivariate(
 Y( :Steel Shipments ),
 X( :YearQtr ),
 Fit Each Value( {Line Color( {66, 112, 221} )} ),
 Kernel Smoother( 1, 4, 0.25, 0 )
);

biv << (curve[2] << Save Predicteds );
biv << (curve[2] << Save Residuals );


biv << (curve[2] << Line Color("Medium Dark Red") );
biv << (curve[2] << Line Width(3) );


gb = dt << Graph Builder(
 Size( 534, 454 ),
 Show Control Panel( 0 ),
 Variables(
  X( :YearQtr ),
  Y( :Residuals Steel Shipments ),
  Y( :Predicted Steel Shipments )
 ),
 Elements(
  Position( 1, 1 ),
  Points(
   X,
   Y,
   Legend( 14 ),
   Summary Statistic( "Mean" ),
   Error Bars( "Range" )
  ),
  Line( X, Y, Legend( 15 ) )
 ),
 Elements(
  Position( 1, 2 ),
  Points( X, Y, Legend( 9 ) ),
  Line( X, Y, Legend( 12 ) )
 ),
 SendToReport(
  Dispatch(
   {},
   "400",
   ScaleBox,
   {Legend Model( 14, Base( 1, 0, 0, Item ID( "Range", 1 ) ) ),
   Legend Model(
    9,
    Base( 0, 0, 0, Item ID( "Predicted Steel Shipments", 1 ) )
   )}
  ),
  Dispatch(
   {},
   "Graph Builder",
   FrameBox,
   {Grid Line Order( 2 ), Reference Line Order( 3 )}
  ),
  Dispatch(
   {},
   "400",
   LegendBox,
   {Legend Position( {14, [-3, -1], 15, [2], 9, [0], 12, [1]} ),
   Position( {-3, -1, 2, 0, 1} )}
  )
 )
);