Robuste Zeitreihenanalyse
Robuste Zeitreihenanalyse passt autoregressive, gleitende Durchschnitte und ARIMA-Modelle an Reihen an, die Ausreißer oder strukturelle Brüche enthalten, indem M-Schätzung oder MM-Schätzung anstelle der gewöhnlichen kleinsten Quadrate verwendet wird, sodass einige anomale Beobachtungen die Anpassung nicht verzerren. Sie folgt der robusten Statistiktradition, die in Maronna, Martin, Yohai und Salibián-Barrera (2019) gefestigt wurde.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/de/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BruchpunktanalyseStatistik↔ compare
- Schätzung der mittleren absoluten Abweichung (MAD)Statistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Robustes lineares Modell mit gemischten EffektenStatistik↔ compare
- Sn and Qn Scale EstimatorsStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →