Различия

Показаны различия между двумя версиями страницы.

Ссылка на это сравнение

Следующая версия
Предыдущая версия
study:spring2021:ts_pract [2021/02/04 12:59]
nina создано
study:spring2021:ts_pract [2021/05/21 20:14] (текущий)
nina
Строка 1: Строка 1:
 ====== 522 гр., по выбору. Статистический анализ временных рядов ====== ====== 522 гр., по выбору. Статистический анализ временных рядов ======
  
-**Место и время проведения:** ???\\+**Место и время проведения:** пятница, 13:40 (дист.)\\
 **Преподаватель:** Голяндина Нина Эдуардовна                      \\ **Преподаватель:** Голяндина Нина Эдуардовна                      \\
 ---- ----
 ---- ----
- "Those who have knowledge, don't predict. Those who predict, don't have knowledge." + "Those who have the knowledge, don't predict. Those who predict, don't have knowledge." 
 -- Lao Tzu, 6th Century BC Chinese philosopher  \\ -- Lao Tzu, 6th Century BC Chinese philosopher  \\
 Вот спрашивают - а с чего это китайская цитата на английском. А нет ответа. Вот спрашивают - а с чего это китайская цитата на английском. А нет ответа.
Строка 11: Строка 11:
 ---- ----
  
-2020: Полное содержание семинара содержится в теоретических вопросах прошлых лет +Полное содержание семинара содержится в теоретических вопросах прошлых лет 
 {{study:spring2016:5ts_pract:timeseries20160430.pdf|здесь}} {{study:spring2016:5ts_pract:timeseries20160430.pdf|здесь}}
-Но у нас будет сокращенный вариант. {{ :study:spring2020:ts:ts_pract.docx |Вот он}}.+2020: Но у нас будет сокращенный вариант. {{ :study:spring2020:ts:ts_pract.docx |Вот он}}.
  
 ---- ----
Строка 37: Строка 37:
  
 ==== Вебинары ==== ==== Вебинары ====
 +25.05. Задание:\\ 
 +(1) Второй отчет должен содержать \\
 +(а) определение модели авторегрессии для модельных данных {{ :study:spring2020:ts:arima_model.zip |модельные ряды}} (возьмите пару примеров), построение прогноза; Для определения модели используйте ACF, PACF, потом еще автоматический подбор параметров по AIC. К тем же рядам примените ETS, сравните прогнозы по автоматически подобранным моделям.\\
 +(b) для реального ряда построение прогноза с доверительными интервалами методами SSA, ARIMA, ETS. Посчитайте ошибку прогноза тремя методами на последних 1-2 периодах (которые предварительно нужно обрезать и анализировать ряды без них).\
  
-TBA+(2) Третий отчет должен содержать различные доп.эксперименты с расширениями SSA: igapfill/gapfill, mssa, 2d-ssa. 
 + 
 +11.05. Задание (расширенное задание с 07.05):\\  
 +(1) определите модель авторегрессии для модельных данных {{ :study:spring2020:ts:arima_model.zip |модельные ряды}} (возьмите пару примеров), постройте прогноз. Для определения модели используйте ACF, PACF, потом еще автоматический подбор параметров по AIC.\\ 
 +(2) постройте прогноз своего ряда с помощью SSA разными методами, с доверительными интервалами, предварительно убрав с конца 1-2 периода.\\ 
 +(3) попробуйте применить gapfill и igapfill, можно повторить с помощью igapfill прогноз, можно добавить пропуски в середину. 
 + 
 +07.05. Задание:\\  
 +(1) определите модель авторегрессии для модельных данных {{ :study:spring2020:ts:arima_model.zip |модельные ряды}} (возьмите пару примеров), постройте прогноз. Для определения модели используйте ACF, PACF, потом еще автоматический подбор параметров по AIC.\\ 
 +(2) постройте прогноз своего ряда с помощью SSA.  
 + 
 +Примеры кода по ARIMA И SSA можно найти в {{ :study:spring2020:ts:tsa-report-4.zip |файл}}. 
 + 
 +13.04. Задание: Построить разложения ряда разными способами.  
 +Методы: classical seasonal decomposition, STL, SSA. В SSA используйте parestimate.\\ 
 +Также попробуйте с помощью выделения тренда у квадрата ряда построить (1) огибающую для амплитудно-модулированной гармоники и (2) поведение стандартного отклонения для гетероскедастичного шума.  
 + 
 +30.03. Задание: Построить тренды разными способами и потом сравнить их на одном графике.\\ 
 +Методы: фильтры (сглаживание), параметрическая регрессия (полиномиальная модель), loess (функции loess и lowess), HP-фильтр (функция hpfilter из пакета mFilter), SSA.\\ 
 +Также поэкспериментируйте с разными способами преобразования ряда, чтобы модель стала аддитивной (шум гомоскедастичным). 
 + 
 +12.03. Задание: разобраться с фильтрами, их АЧХ, и применить к модельным и реальным данным. В том числе, строить периодограмму до применения фильтра и после. Код для АЧХ см. http://statmod.ru/wiki/study:spring2019:ts_pract за 1 марта (поменяйте неправильные символы типа стрелочек и кавычек на текстовые варианты).\\ 
 +Вот {{ :study:spring2021:ts:notes20210305.pdf |pdf}} с теорией до 05/03/2021.
  
 ==== Литература и ссылки ==== ==== Литература и ссылки ====
study/spring2021/ts_pract.1612432770.txt.gz · Последнее изменение: 2021/02/04 12:59 — nina
Наверх
CC Attribution-Noncommercial-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0