原书出处
数据科学与大数据分析 数据的发现 分析 可视化与表示
08 第8章 高级分析理论与方法:时间序列分析
10所示,在对y值差分两次以后,增加的方差可以通过绘制可能的过度差分值检测到,并观察到值的范围(spread)更大了。
因为经常需要让一个时间序列成为平稳的,因此可以通过定义自回归求和移动平均模型(表示为ARIMA(p,d,q)),将差分包含(集成)到ARMA模型中。ARIMA模型的结构与公式8-15中的表达式相同,但是在应用了d次差分之后,ARMA(p,q)模型才能应用到时间序列yt 上。
图8.10 二次差分后的序列 另外,通常需要考虑时间序列中的季节效应模式(seasonal pattern)。比如,在
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0018_split_002.html
EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7