![](https://img-blog.csdnimg.cn/20200526082839355.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
R
文章平均质量分 59
笔记
clccley
努力搬砖
展开
-
R单元笔记
RU1直接录入外部数据文件转换U2时序图点线结构参数散点图点线图符号参数连线类型参数线的宽度参数颜色参数添加文本指定坐标轴范围添加参考线绘制自相关图自相关图习题2.5U3U1软件安装、数据输入、外部文件导入、变换、子集、插值、导出> sum(1,2,3+ )[1] 6> sum(1,2,3)[1] 6> x=1;y=2;x+y[1] 3> {x=1+ y=2+ x+y+ }[1] 3> x<-3> x[1] 3直接录入原创 2021-03-21 23:11:41 · 294 阅读 · 0 评论 -
R note
RLecture 01Preface1. Some Reference Material2. Installing and Loading Package3. R language basics4. Numbers5. Data Input6. GraphsLecture 021. Understanding the Dataset1.1 Vector (向量)1.2 Matrix (矩阵)1.3 Array (多维数组)1.4 Data Frame ()1.5 Attach and Detach2.原创 2021-03-22 11:51:09 · 504 阅读 · 0 评论 -
课本案例
01章#安装install.packages("forecast")#调用library(forecast)#直接录入#1、行输入price=c(101,82,66,35,31,7) #调用c函数,以行输入的方式将6个时序数据依次赋值给了price这个变量。 #price以向量的方式存储了这6个数据。price=ts(price,start=c(2005,1),frequency=12) #指定price为时间序列变量,而且序列名仍然取为price。 #start选项指定原创 2021-03-15 11:23:33 · 342 阅读 · 0 评论 -
1、时间序列分析简介
时间序列分析简介定义时间序列按照时间的顺序把随机事件变化发展的过程记录下来就构成一个时间序列时间序列分析对时间序列进行观察、研究,寻找它变化发展的规律,预测它将来的走势就是时间序列分析随机序列按时间顺序排列的一组随机变量:X1,X2,X3……观察值序列随机序列的n个有序观察值,称之为序列长度为n的观察值序列x1,x2,x3……随机序列与观察值序列的关系关系:观察值序列是随机序列的一个样本实现研究目的:揭示随机时序的性质实现手段:都是通过分析观察值序列的性质,由观原创 2020-05-26 08:24:16 · 1209 阅读 · 0 评论 -
2、时间序列的预处理
时间序列的预处理平稳性检验特征统计量概率分布分布函数密度函数特征统计量(研究序列低阶矩)均值方差自协方差函数自相关系数平稳时间序列的定义严平稳宽平稳通过特征统计量定义平稳时间序列的统计性质常数均值每一个统计量都拥有大量的样本观察值减少了随机变量的个数,增加了待估变量的样本变量简化了统计分析的难度,提高了对特征统计量的估计精度自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关延迟k自协方差函原创 2020-06-09 08:47:50 · 857 阅读 · 0 评论 -
3、平稳时间序列分析
平稳时间序列分析方法性工具差分运算一阶差分p阶差分k步差分延迟算子线性差分方程ARMA模型AR模型AR模型平稳性判别特征根判别平稳域判别平稳AR模型的统计性质MA模型MA模型的统计性质均值方差自协方差q阶截尾自相关系数q阶截尾MA模型的可逆性偏自行管系数截尾ARMA模型平稳条件 & 可逆条件传递形式 & 逆转形式ARMA(p,q)模型的统计性质平稳序列建模建模步骤求序列的样本自相关系数ACF原创 2020-06-09 12:55:31 · 952 阅读 · 0 评论 -
4、非平稳序列的确定性分析
非平稳序列的确定性分析时间序列的分解Wold分解定理Cramer分级定理确定性因素分解传统因素分解长期趋势循环波动季节性波动随即波动相互作用模式加法模型乘法模型混合模型趋势分析趋势拟合法线性拟合非线性拟合曲线拟合平滑法移动平均法指数平滑法季节效应分析综合分析#lm(Y~ a+X1+X2+…+Xn,data=)#Y:响应变量#a:指定是否需要常数项#(1)a=1,模型有非零常数项,这是默认设置#(2)a=0,模型不需要常数项#X1,原创 2020-06-10 19:02:31 · 636 阅读 · 0 评论 -
6、多元时间序列分析
多元时间序列分析平稳多元序列建模虚假回归单位根检验DF检验DF统计量等价表达三种类型无漂移项自回归过程带漂移项自回归过程带趋势回归过程ADF检验原理三种类型无常数均值、无趋势的p阶自回归过程有常数均值、无趋势的p阶自回归过程既有常数均值又有线性趋势的p阶自回归过程协整单整与协整单整概念性质协整协整检验假设条件检验步骤建立响应序列与输入序列之间的回归模型对回归残差序列进行平稳性检验误差原创 2020-06-11 11:19:04 · 4586 阅读 · 0 评论