Zoeken…


Opmerkingen

Voorspellingen en tijdreeksanalyses kunnen worden verwerkt met alledaagse functies uit het stats , zoals glm() of een groot aantal gespecialiseerde pakketten. De CRAN-taakweergave voor tijdreeksanalyse biedt een gedetailleerde lijst van sleutelpakketten per onderwerp met korte beschrijvingen.

Verkennende gegevensanalyse met tijdreeksgegevens

data(AirPassengers)
class(AirPassengers)

1 "ts"

In de geest van Exploratory Data Analysis (EDA) is een goede eerste stap om een plot van uw tijdreeksgegevens te bekijken:

plot(AirPassengers) # plot the raw data
abline(reg=lm(AirPassengers~time(AirPassengers))) # fit a trend line

voer hier de afbeeldingsbeschrijving in

Voor verdere EDA onderzoeken we cycli door de jaren heen:

cycle(AirPassengers)
     Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1949   1   2   3   4   5   6   7   8   9  10  11  12
1950   1   2   3   4   5   6   7   8   9  10  11  12
1951   1   2   3   4   5   6   7   8   9  10  11  12
1952   1   2   3   4   5   6   7   8   9  10  11  12
1953   1   2   3   4   5   6   7   8   9  10  11  12
1954   1   2   3   4   5   6   7   8   9  10  11  12
1955   1   2   3   4   5   6   7   8   9  10  11  12
1956   1   2   3   4   5   6   7   8   9  10  11  12
1957   1   2   3   4   5   6   7   8   9  10  11  12
1958   1   2   3   4   5   6   7   8   9  10  11  12
1959   1   2   3   4   5   6   7   8   9  10  11  12
1960   1   2   3   4   5   6   7   8   9  10  11  12
boxplot(AirPassengers~cycle(AirPassengers)) #Box plot across months to explore seasonal effects

voer hier de afbeeldingsbeschrijving in

Een ts-object maken

Tijdreeksgegevens kunnen worden opgeslagen als een ts object. ts objecten bevatten informatie over seizoensfrequentie die wordt gebruikt door ARIMA-functies. Het maakt het ook mogelijk om elementen in de serie op datum aan te roepen met behulp van de window .

#Create a dummy dataset of 100 observations
x <- rnorm(100)

#Convert this vector to a ts object with 100 annual observations
x <- ts(x, start = c(1900), freq = 1)

#Convert this vector to a ts object with 100 monthly observations starting in July
x <- ts(x, start = c(1900, 7), freq = 12)

    #Alternatively, the starting observation can be a number:
    x <- ts(x, start = 1900.5, freq = 12)

#Convert this vector to a ts object with 100 daily observations and weekly frequency starting in the first week of 1900
x <- ts(x, start = c(1900, 1), freq = 7)

#The default plot for a ts object is a line plot    
plot(x)

#The window function can call elements or sets of elements by date
    
    #Call the first 4 weeks of 1900
    window(x, start = c(1900, 1), end = (1900, 4))

    #Call only the 10th week in 1900
    window(x, start = c(1900, 10), end = (1900, 10))

    #Call all weeks including and after the 10th week of 1900
    window(x, start = c(1900, 10)) 

Het is mogelijk om ts objecten met meerdere reeksen te maken:

#Create a dummy matrix of 3 series with 100 observations each
x <- cbind(rnorm(100), rnorm(100), rnorm(100))

#Create a multi-series ts with annual observation starting in 1900
x <- ts(x, start = 1900, freq = 1)

#R will draw a plot for each series in the object
plot(x)


Modified text is an extract of the original Stack Overflow Documentation
Licentie onder CC BY-SA 3.0
Niet aangesloten bij Stack Overflow