Analyse des valeurs aberrantes de séries chronologiques JMPSalut,
Je me demandais si JMP avait une analyse des valeurs aberrantes de séries chronologiques. J'ai un ensemble de données pour les échecs en fonction du temps et j'aime identifier les valeurs aberrantes.
Merci
Adam
AnalytiqueRe: Analyse des valeurs aberrantes des séries chronologiques JMPSalut Adam,
Je recommande ce qui suit et laissez-moi savoir si cela fonctionne pour vous.
Utilisez la plate-forme des composants principaux et saisissez vos variables d'échec et de temps en tant que variables Y (les deux doivent être numériques continues).
Dans le menu du rapport PCA, sélectionnez Analyse des valeurs aberrantes. Le graphique T² affiché vous donnera la distance à la moyenne multivariée en tenant compte de la structure des échecs en fonction du temps. Les points avec des valeurs T² élevées devraient probablement être les valeurs aberrantes (au-dessus de la ligne UCL).
J'espère que cela t'aides!
marqueRe: Analyse des valeurs aberrantes des séries chronologiques JMPSalut Mark,
Merci beaucoup pour votre réponse rapide et votre solution. J'ai suivi votre suggestion et je peux obtenir les valeurs aberrantes.
Quel est l'avantage de la détection des valeurs aberrantes PCA par rapport à l'analyse IQR? IQR trouve également la même valeur aberrante.
Si je fais PCA en dehors de JMP, comment trouver les valeurs aberrantes?
Merci encore.
Cordialement,
Adam
Re: Analyse des valeurs aberrantes des séries chronologiques JMPSalut Adam,
L'ACP tiendra compte de la covariance le long des axes des composantes principales là où l'IQR ne le fait pas. Fondamentalement, c'est la différence entre l'identification des valeurs aberrantes dans un espace multivarié (où une dimension est le temps) et un espace univarié.
Juste à noter: la méthode PCA peut ne pas être efficace s'il y a beaucoup de comportement non linéaire dans votre série chronologique. Une autre manière qui sera plus flexible est d'ajuster un modèle divisé en utilisant Ajuster Y par X (ou Graph Builder). Dans le menu Fit Y by X Bivariate, sélectionnez Flexible> Kernel Smoother. Choisissez un lissage que vous préférez, puis dans le triangle rouge à côté du lisseur local dans la légende, sélectionnez enregistrer les résidus. Vous pouvez ensuite appliquer un filtre de données sur ces résidus pour filtrer les valeurs aberrantes avec un modèle plus flexible que l'utilisation de composants principaux.
Cordialement et restez en sécurité,
marque
Re: Analyse des valeurs aberrantes des séries chronologiques JMPSalut Mark,
Merci de fournir l'explication de l'utilisation de PCA vs IQR et de souligner également l'importance de la non-linéarité. J'ai essayé votre suggestion pour un noyau plus lisse et j'ai obtenu le résidu, puis il a utilisé une analyse des valeurs aberrantes sur les résidus et obtenu le point aberrant.
Merci encore pour votre aide et vos suggestions.
Cordialement,
Adam
