Serie temporali stazionarieHo una serie temporale (Occ (%ocupation) vs. timestamp cfr. Modello di serie temporali in allegato) dove la funzione di autocorrelazione mostra un lento decadimento indicante non stazionarietà, tuttavia i test ADF sono tutti negativi indicando una serie storica Occ statica. Quale criterio è giusto? Ottengo risultati estremamente buoni con i modelli ARMA e ARIMA (differenziati). Posso valutare un modello ARMA non differenziato (4,2) come affidabile tenendo conto della funzione di autocorrelazione a decadimento lento? O è necessaria la differenziazione? Nota: solo dopo due operazioni di differenziazione ACF e PCF diventano simili indicando stazionarietà. Cordiali saluti Franco
Re: serie temporali stazionarieCiao, grazie mille per il tuo intervento. Cordiali saluti, sto usando la versione 13.1 di JMP.
In effetti i modelli giornalieri sono diversi, vuoi dire che se i modelli fossero caratteristici (come un'impronta digitale) per ogni giorno allora si può, dopo aver differenziato, creare un modello predittivo di serie temporali per ciascuno? Sfortunatamente gli schemi quotidiani possono essere disturbati, ad esempio, da una vacanza, quindi penso che non funzionerà sempre?
Ho eseguito diverse simulazioni con un set di test (tutti i nuovi dati) e le mie semplici previsioni del modello ARMA (4,2) funzionano bene per un massimo di 45 minuti, dopodiché iniziano a manifestarsi forti deviazioni sebbene le tendenze vengano mantenute.
Ho un problema con la formula di previsione salvata: non viene salvata nell'ultima colonna del mio foglio dati originale (come indicato nel tutorial jmp) ma in un nuovo foglio dati "senza titolo"? Incontri anche questo? Per quanto riguarda la formula di previsione stessa, qual è il significato di () - (numero) Cosa significa quel numero? Può essere diverso dal numero in alto nell'equazione? Saluti, Franco
Re: serie temporali stazionarieMi dispiace di non avere il tempo di proporre una soluzione dettagliata.Ma si spera che questo fornirà alcuni indizi:
- L'andamento giornaliero della domenica è abbastanza diverso dagli altri giorni della settimana e il venerdì e il sabato hanno un utilizzo molto più elevato.
- Vorrei provare a creare un ciclo di giorno e utilizzare un modello di deviazione (cicli rimossi).
- Probabilmente userei un liscio regolabile, ho avuto fortuna con i metodi Trigg & Leech che regolano la lambda quando le deviazioni sono grandi, in modo che possa recuperare.
Ovviamente i tuoi RSquares saranno più grandi di una previsione reale poiché stai utilizzando tutti i dati. Potresti voler adottare l'approccio simile alle carte di controllo.Prendi un periodo iniziale per creare il modello di base, il modello, quindi utilizza quel modello sul periodo rimanente e il vero RSquare sarà basato sui residui dell'effettivo previsto per i dati non inclusi nel modello.
Infine, metterei un monitor, un grafico di controllo, per segnalare quando il modello non prevede più molto bene, soprattutto se è necessaria una risposta rapida all'escalation dell'utilizzo.
Dovresti pubblicare quale versione di JMP o JMP PRO e quale sistema operativo. Esistono alcune nuove piattaforme e metodi per questo tipo di "processo" che potrebbero essere più utili delle serie temporali.
Re: serie temporali stazionarieCiao, grazie per il tuo commento e lo sforzo per chiarire l'evoluzione media, l'insolito modello di occupazione della stanza è davvero Halloween.
L'obiettivo del nostro studio è di prevedere nei prossimi 15 - 60 minuti il livello di occupazione della stanza, quindi dobbiamo rimanere entro gli intervalli di 15 minuti di ritardo e provare a costruire un modello affidabile di serie temporali. Hai detto correttamente che ci sono forti cicli giornalieri, quindi presumo che sia necessaria la differenziazione stagionale? Tuttavia così facendo, anche più volte la stagionalità non scompare, davvero confondendo.. Ancora più sorprendente è che tutti i modelli che ho controllato - differenziati o meno - rendono R² > 99%! Troppo bello per essere vero, c'è qualcosa di fondamentalmente sbagliato in questa analisi qui?
Re: serie temporali stazionariehttps://en.wikipedia.org/wiki/Augmented_Dickey%E2%80%93Fuller_test afferma che " La statistica aumentata di Dickey–Fuller (ADF), utilizzata nel test, è un numero negativo. Più è negativo, più forte è il rifiuto dell'ipotesi che esista una radice unitaria ..." L'ADF a media zero non è significativo ma è probabilmente dovuto ai cicli giornalieri nei tuoi dati.
Ho aggiunto colonne per Data, Giorno della settimana e Ora del giorno. Di seguito è riportato un grafico della variabilità dell'OCC per giorno della settimana e ora del giorno.La linea nera è il modello medio per ogni giorno della settimana.Nota 11/01/2018 aveva uno schema insolito, (giorno dopo Halloween).
Re: serie temporali stazionarieOltre alla mia domanda precedente, ho un problema con la posizione della formula di previsione salvata; Mi aspetto che venga salvato nell'ultima colonna della mia scheda tecnica come nel caso di altri modelli. Qui, nell'analisi delle serie temporali il modello viene salvato in una nuova scheda tecnica "Senza titolo"? Questo può essere regolato?
