Надійний аналіз часових рядів
Надійний аналіз часових рядів застосовує авторегресійні моделі, моделі ковзного середнього та ARIMA до рядів, що містять викиди або структурні злами, використовуючи M-оцінювання або MM-оцінювання замість звичайного методу найменших квадратів, щоб кілька аномальних спостережень не спотворювали підгонку. Це випливає з традиції надійної статистики, консолідованої в роботі Maronna, Martin, Yohai та Salibián-Barrera (2019).
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/uk/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.
- Аналіз точки пробоюСтатистика↔ compare
- Оцінка медіанного абсолютного відхилення (MAD)Статистика↔ compare
- Регресія звичайно найменших квадратів (ЗНК)Економетрика↔ compare
- Надійна лінійна змішана модельСтатистика↔ compare
- Стійкі оцінки масштабу Sn та QnСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →