Analisi dei valori anomali delle serie temporali JMPCiao,
Mi chiedevo se JMP avesse un'analisi anomala delle serie temporali. Ho una serie di dati per errori rispetto al tempo e mi piace identificare i valori anomali.
Grazie
Adamo
AnalyticsOggetto: analisi dei valori anomali delle serie temporali JMPCiao Adam,
Consiglierei quanto segue e fammi sapere se funziona per te.
Utilizzare la piattaforma Componenti principali e immettere le variabili di errore e tempo come variabili Y (entrambe devono essere continue numeriche).
Dal menu del report PCA, selezionare Outlier Analysis. Il grafico T² mostrato ti darà la distanza dalla media multivariata che tiene conto della struttura dei guasti rispetto ai dati temporali. I punti con valori T² elevati dovrebbero probabilmente essere i valori anomali (sopra la linea UCL).
Spero che sia di aiuto!
marchioOggetto: analisi dei valori anomali delle serie temporali JMPCiao Mark,
Grazie mille per la tua rapida risposta e soluzione. Ho seguito il tuo suggerimento e posso ottenere i valori anomali.
Qual è il vantaggio del rilevamento dei valori anomali PCA rispetto all'analisi IQR? Anche IQR trova lo stesso valore anomalo.
Se eseguo la PCA al di fuori di JMP, come trovo i valori anomali?
Grazie ancora.
Saluti,
Adamo
Oggetto: analisi dei valori anomali delle serie temporali JMPCiao Adam,
Il PCA terrà conto della covarianza lungo gli assi delle componenti principali dove l'IQR non lo fa. Fondamentalmente è la differenza tra l'identificazione dei valori anomali in uno spazio multivariato (dove una dimensione è il tempo) e uno spazio univariato.
Solo per notare: il metodo PCA potrebbe non essere efficace se c'è molto comportamento non lineare nella tua serie temporale. Un altro modo che sarà più flessibile è l'adattamento di un modello diviso utilizzando Fit Y by X (o Graph Builder). Dal menu Fit Y by X Bivariate, selezionare Flexible> Kernel Smoother. Scegli una levigatezza che preferisci, quindi dal triangolo rosso accanto a Local Smoother nella legenda, seleziona salva residui. È quindi possibile applicare un filtro di dati su tali residui per filtrare i valori anomali con un modello più flessibile rispetto all'utilizzo dei componenti principali.
Saluti e stai al sicuro,
marchio
Oggetto: analisi dei valori anomali delle serie temporali JMPCiao Mark,
Grazie per aver fornito la spiegazione per l'utilizzo di PCA vs IQR e anche per aver sottolineato l'importanza della non linearità. Ho provato il tuo suggerimento per il kernel più fluido e ho ottenuto il residuo, quindi ha utilizzato l'analisi dei valori anomali sui residui e ha ottenuto il punto anomalo.
Grazie ancora per il tuo aiuto e suggerimenti.
Saluti,
Adamo
