JMP-Zeitreihen-AusreißeranalyseHallo,
Ich habe mich gefragt, ob JMP eine Zeitreihen-Ausreißeranalyse hat. Ich habe eine Reihe von Daten für Fehler im Vergleich zur Zeit und möchte den Ausreißer identifizieren.
Vielen Dank
Adam
AnalytikBetreff: JMP-Zeitreihen-AusreißeranalyseHallo Adam,
Ich würde Folgendes empfehlen und mich wissen lassen, ob es für Sie funktioniert.
Verwenden Sie die Hauptkomponentenplattform und geben Sie Ihre Fehler- und Zeitvariablen als Y-Variablen ein (beide müssen numerisch stetig sein).
Wählen Sie im Menü PCA-Bericht die Option Ausreißeranalyse. Das gezeigte T²-Diagramm gibt Ihnen den Abstand zum multivariaten Mittelwert an, der die Struktur der Fehler- / Zeitdaten berücksichtigt. Punkte mit hohen T²-Werten sollten wahrscheinlich die Ausreißer sein (oberhalb der UCL-Linie).
Hoffe das hilft!
KennzeichenBetreff: JMP-Zeitreihen-AusreißeranalyseHallo Mark,
Vielen Dank für Ihre schnelle Antwort und Lösung. Ich bin Ihrem Vorschlag gefolgt und kann die Ausreißer ermitteln.
Was ist der Vorteil der PCA-Ausreißererkennung gegenüber der IQR-Analyse? IQR findet auch den gleichen Ausreißer.
Wie finde ich die Ausreißer, wenn ich PCA außerhalb von JMP mache?
Danke noch einmal.
Grüße,
Adam
Betreff: JMP-Zeitreihen-AusreißeranalyseHallo Adam,
Die PCA berücksichtigt die Kovarianz entlang der Hauptkomponentenachsen, wo dies beim IQR nicht der Fall ist. Grundsätzlich ist es der Unterschied zwischen der Identifizierung von Ausreißern in einem multivariaten Raum (wobei eine Dimension die Zeit ist) und einem univariaten Raum.
Nur zur Anmerkung: Die PCA-Methode ist möglicherweise nicht effektiv, wenn Ihre Zeitreihen viel nichtlineares Verhalten aufweisen. Eine andere Möglichkeit, die flexibler ist, besteht darin, ein geteiltes Modell mit Fit Y by X (oder Graph Builder) anzupassen. Wählen Sie im Menü Fit Y by X Bivariate die Option Flexible> Kernel Smoother. Wählen Sie eine von Ihnen bevorzugte Glätte aus und wählen Sie dann aus dem roten Dreieck neben dem lokalen Glättungsfaktor in der Legende die Option Residuen speichern aus. Sie können dann einen Datenfilter auf diese Residuen anwenden, um Ausreißer mit einem flexibleren Modell als mit Hauptkomponenten zu filtern.
Grüße und bleib sicher,
Kennzeichen
Betreff: JMP-Zeitreihen-AusreißeranalyseHallo Mark,
Vielen Dank, dass Sie die Erklärung für die Verwendung von PCA vs IQR gegeben und auf die Bedeutung der Nichtlinearität hingewiesen haben. Ich habe Ihren Vorschlag für einen glatteren Kernel ausprobiert und das Residuum erhalten. Dann wurde die Ausreißeranalyse für Residuen verwendet und der Ausreißerpunkt ermittelt.
Nochmals vielen Dank für Ihre Hilfe und Vorschläge.
Grüße,
Adam
