Робастный анализ временных рядов
Робастный анализ временных рядов позволяет строить авторегрессионные, скользящего среднего и ARIMA модели для рядов, содержащих выбросы или структурные сдвиги, используя M-оценку или MM-оценку вместо метода наименьших квадратов, чтобы несколько аномальных наблюдений не искажали подгонку. Это следует традиции робастной статистики, консолидированной в работе Maronna, Martin, Yohai and Salibián-Barrera (2019).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/ru/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.
- Анализ точки разрываСтатистика↔ compare
- Оценка на основе медианного абсолютного отклонения (MAD)Статистика↔ compare
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ compare
- Робастная линейная смешанная модельСтатистика↔ compare
- Оценки масштаба Sn и QnСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →