Új hozzászólás Aktív témák

• #5468 Cucuska2 addikt oszi666 #5467

  Új Válasz 2018-08-31 09:56:10 #5468

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  Cucuska2

  addikt

  válasz oszi666 #5467 üzenetére

  Ahhoz, hogy P-értékeket tudj számolni, valamilyen eloszlást kell feltételezned az adat valamilyen statisztikájáról. Az idősorok esetében mondjuk kellene egy generáló eloszlást keresned, arra (jó lenne) egy egyenletesen legerősebb statisztikai próbát és akkor tudnál P-értéket számolni. De ez idősorok esetében nagyon nehéz. Továbbá meg is lehet sejteni a háttérben futó Markov-láncokat (akár, bár ehhez több adat kéne), és azoknak valamilyen paraméterét, de ez a matematikusképzésem alatt nem fordult elő, így sajnos ebben a részében nem tudok többet segíteni.
  Amit javasoltam, az az, hogyha van több mérésed, akkor tudod azt csinálni, hogy számolsz egy megfelelő távolságmértéket az idősorok közt, ami illeszkedik az alkalmazásodhoz, szemre meghúzod a határt valahol, és ami a határ alatt van, az nem tér el szignifikánsan, ami a határ fölött, az szignifikánsan eltér.
  Sajnos ez csak hand-waving/eyeballing,

• #5466 Cucuska2 addikt oszi666 #5465

  Új Válasz 2018-08-30 18:42:44 #5466

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  Cucuska2

  addikt

  válasz oszi666 #5465 üzenetére

  Idősorok esetében én leginkább távolságmértékeket láttam, statisztikákat kevesebbet.
  Itt fel van sorolva, hogy milyen távolságok érhetők el R-ben CRAN-os csomagok formájában, és nagyon hasznos, hogy felsorolja és kategorizálja őket.
  Nem tudom, hogy neked milyen kell, milyen a munkaterületed, így hosszas Google kereséseket tudok ajánlani egyik-másik távolságra.

Új hozzászólás Aktív témák