Szukaj…


Uwagi

Prognozowanie i analiza szeregów czasowych mogą być obsługiwane za pomocą typowych funkcji z pakietu stats , takich jak glm() lub duża liczba specjalistycznych pakietów. Widok zadań CRAN do analizy szeregów czasowych zapewnia szczegółową listę kluczowych pakietów tematycznie z krótkimi opisami.

Analiza danych eksploracyjnych z danymi szeregów czasowych

data(AirPassengers)
class(AirPassengers)

1 „ts”

W duchu eksploracyjnej analizy danych (EDA) dobrym pierwszym krokiem jest przyjrzenie się wykresowi twoich szeregów czasowych:

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

wprowadź opis zdjęcia tutaj

W dalszej EDA badamy cykle na przestrzeni lat:

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

wprowadź opis zdjęcia tutaj

Tworzenie obiektu ts

Dane szeregów czasowych mogą być przechowywane jako obiekt ts . Obiekty ts zawierają informacje o częstotliwości sezonowej wykorzystywanej przez funkcje ARIMA. Umożliwia także wywoływanie elementów w szeregu według daty za pomocą polecenia 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)) 

Możliwe jest tworzenie obiektów ts z wieloma seriami:

#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
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow