用数据仓存储时间序列

PoissonProcess 的到达时间是独立的并且遵循 ExponentialDistribution. 可以通过按一个模拟指数分布所指定的时间间隔发送信号到 Databin 来模拟 PoissonProcess 的路径.

In[1]:=

SeedRandom["11"]; \[Lambda] = 0.5; times = RandomVariate[ExponentialDistribution[\[Lambda]], 30];

创建一个 Databin.

In[2]:=

bin = CreateDatabin[]

Out[2]=

使用模拟的时间在各时间间隔内发送 1 到数据仓.

In[3]:=

Table[DatabinAdd[bin, <|"arrivals" -> 1|>]; Pause[t], {t, times}];

所记录的带有时间戳的信号.

In[4]:=

TimeSeries[bin]

Out[4]=

提取 TimeSeries 对象.

In[5]:=

ts1 = TimeSeries[bin]["arrivals"]

Out[5]=

此时间序列是不规则采样的.

In[6]:=

RegularlySampledQ[ts1]

Out[6]=

假定 TemporalRegularity，因而 Accumulate 将不用插值方法对时间序列按最小时间增量重新采样.

In[7]:=

ts2 = Accumulate[TimeSeries[ts1, TemporalRegularity -> True]]

Out[7]=

In[8]:=

DateListStepPlot[ts2, Joined -> False, PlotTheme -> "Detailed"]

Out[8]=

根据信号估计 PoissonProcess 的参数，并与用于模拟时间戳的 ExponentialDistribution 的参数比较.

In[9]:=

{FindProcessParameters[ts2, PoissonProcess[\[Mu]]], \[Lambda]}

Out[9]=