Robustna analiza szeregów czasowych
Robustna analiza szeregów czasowych dopasowuje modele autoregresyjne, średniej ruchomej i ARIMA do szeregów zawierających wartości odstające lub załamania strukturalne, wykorzystując M-estymację lub MM-estymację zamiast metody najmniejszych kwadratów, tak aby kilka anomalnych obserwacji nie zakłóciło dopasowania. Opiera się na tradycji statystyki odpornej skonsolidowanej w publikacji Maronny, Martina, Yohai i Salibiána-Barrery (2019).
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/pl/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.
- Analiza punktu krytycznegoStatystyka↔ compare
- Estymacja odchylenia bezwzględnego od mediany (MAD)Statystyka↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Solidny liniowy model mieszanyStatystyka↔ compare
- Robustne estymatory rozrzutu Sn i QnStatystyka↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →