Obecnośc pamięci dlugotrwalej

Jednym z najwi¿kszych wyzwä w analizie danych jest wybór najbardziej odpowiedniego modelu dla danego zbioru danych. W praktyce b¿¿dna specyfikacja modelu cz¿sto prowadzi¿a do nieprawid¿owych wniosków w naukach o danych. W niniejszym badaniu porównano skuteczno¿¿ modelowania szeregów czasowych o sezonowych w¿äciwo¿ciach d¿ugiej pami¿ci przy u¿yciu modeli SARIMA, ARFIMA i SARFIMA. Do ilustracji wykorzystano dane dotycz¿ce ¿redniej miesi¿cznej temperatury globalnej. Szereg temperatur wykazywä oznaki d¿ugiej pami¿ci, poniewä wykres ACF powoli zanikä po dalszej analizie. Wyk¿adnik Hursta uzyskany z analizy R/S potwierdzi¿ obecno¿¿ d¿ugiej pami¿ci. ACF wykazä wyk¿adniczy spadek i sinusoidalny wzór, sugeruj¿c zarówno niestacjonarno¿¿, jak i sezonowo¿¿. Przeprowadzono testy stacjonarno¿ci i sezonowo¿ci, aby zweryfikowä te obserwacje. Ostatecznie zastosowano kryteria AIC i BIC w celu oceny efektywno¿ci wszystkich trzech modeli, a wyniki wskazäy, ¿e w przypadku wyst¿powania zarówno sezonowo¿ci, jak i d¿ugiej pami¿ci, model SARFIMA dziää najskuteczniej.

Pagina's: 72, Paperback, Wydawnictwo Nasza Wiedza