Eine Box-Cox-Transformation auf eine Zeitreihe anwenden 

Mit TimeSeriesMap können Sie Zeitreihenwerte transformieren.

Die Daten der Arbeitslosenquote in den Vereinigten Staaten 1948 bis 1993.

Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen

In[1]:=

X timeFrame = Interval[{DateObject[{1948, 1, 1}], DateObject[{1993, 12, 1}]}];

In[2]:=

X data = EntityValue[Entity["Country", "UnitedStates"], EntityProperty["Country", "CivilianUnemploymentRate", {"Date" -> timeFrame, "Frequency" -> "Monthly"}]]

Out[2]=

In[3]:=

X DateListPlot[data, ImageSize -> Medium]

Out[3]=

Definieren Sie eine Box-Cox-Transformation.

In[4]:=

X BoxCox[x_, \[Lambda]_, \[Alpha]_, \[Sigma]_] := With[{y = QuantityMagnitude[x]}, Piecewise[{{(((y - \[Alpha])/\[Sigma])^\[Lambda] - 1)/\[Lambda], \[Lambda] > 0 || \[Lambda] < 0}}, Log[(y - \[Alpha])/\[Sigma]]]]

Wenden Sie mit TimeSeriesMap eine Box-Cox-Transformation mit einigen λ-Werten auf die Daten an.

In[5]:=

X lambdas = {1/2, 0, -1/2}; newdata = Table[TimeSeriesMap[BoxCox[#, \[Lambda], .02, .016] &, data], {\[Lambda], lambdas}];

Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen

In[6]:=

X Grid[{MapThread[ DateListPlot[#1, ImageSize -> 180, PlotRange -> All, FrameTicks -> {{Table[{x, NumberForm[N[x], {5, 2}]}, {x, Min[#1], Max[#1], (Max[#1] - Min[#1])/5}], Automatic}, {Automatic, Automatic}}, PlotLabel -> Row[{"\[Lambda] = ", #2}]] &, {newdata, lambdas}]}]

Out[6]=