Nuevo en Mathematica 10 › Procesos de series temporales ampliados ›

Utilice un estimador espectral para encontrar parámetros FARIMA  

Los parámetros del proceso promedio autorregresivo fraccionalmente integrado en movimiento FARIMAProcess, incluyendo el orden de integración, pueden ahora ser estimados para tanto los procesos valorados por escalas, como los procesos valorados por vectores.

Los flujos mínimos anuales del Nilo desde 622 d.C. a 1284 d.C.

In[1]:=
Click for copyable input
X
In[2]:=
Click for copyable input
X
Out[2]=

Centralice los datos y encaje el proceso FARIMA.

In[3]:=
Click for copyable input
X
In[4]:=
Click for copyable input
X
Out[4]=

Pronostique los siguientes 100 años y ajuste el nivel promedio de los datos originales.

In[5]:=
Click for copyable input
X
In[6]:=
Click for copyable input
X
In[7]:=
Click for copyable input
X
Out[7]=

Related Examples

Decide Time Series Process Family and Order from Data Automatically » Identify Conditional Heteroscedacity » Airline Passengers » Constrain the Model Selection Set »
Use Different Criteria for Model Selection » Investigate Time Series Model Residuals » Study Significance of Parameters in Fitted Model » Use Fitted Model to Forecast Time Series »
Model Multiple Exchange Rates » Vector Joint Model versus Univariate Component Models » Use Vector Models with Multiple Strongly Correlated Time Series » Vector Autoregressive Process as Discretized Vector Ornstein–Uhlenbeck Process »
Time Series Processes with Nonzero Mean » Time Series Processes with Initial Conditions » Study Non-weakly Stationary Autoregressive Process » Compute Expectation of Autoregressive Moving-Average Process from Its Definition »
Use Spectral Estimator to Find FARIMA Parameters » Volatility Clustering in a GARCHProcess » Slice Distribution of GARCH(1,1) » Moments of GARCH(1,1) »
Model the Conditional Value at Risk with an ARCHProcess » Expanded Estimation Methods » Broad Performance Improvements »
de en ja pt-br zh