Robustin aikasarja-analyysi
Robustin aikasarja-analyysin avulla sovitetaan autoregressiivisiä, liikkuvien keskiarvojen ja ARIMA-malleja sarjoihin, jotka sisältävät poikkeamia tai rakenteellisia muutoksia. Se käyttää M-estimaatiota tai MM-estimaatiota tavallisen pienimmän neliösumman menetelmän sijaan, jotta harvat epätavalliset havainnot eivät vääristä sovitusta. Menetelmä noudattaa robustin tilastotieteen perinnettä, jonka Maronna, Martin, Yohai ja Salibián-Barrera (2019) ovat vakiinnuttaneet.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/fi/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.
- HajoamispisteanalyysiTilastotiede↔ compare
- Mediaanin absoluuttisen poikkeaman (MAD) estimointiTilastotiede↔ compare
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
- Robust linear mixed-effects modelTilastotiede↔ compare
- Sn ja Qn – robustit skaalaestimaattoritTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →