การทดสอบทางสถิติเพื่อตรวจสอบเมื่ออนุกรมเวลาสองชุดที่คล้ายกันเริ่มแตก


10

จากชื่อฉันต้องการทราบว่ามีการทดสอบทางสถิติที่สามารถช่วยฉันระบุความแตกต่างที่สำคัญระหว่างอนุกรมเวลาสองชุดที่คล้ายกันได้หรือไม่ โดยเฉพาะเมื่อดูรูปด้านล่างฉันต้องการตรวจสอบว่าซีรีย์เริ่มเบี่ยงเบนเวลา t1 คือเมื่อความแตกต่างระหว่างพวกเขาเริ่มมีนัยสำคัญ ยิ่งกว่านั้นฉันจะตรวจจับเมื่อความแตกต่างระหว่างซีรีย์กลับมามีความหมายไม่มาก

มีการทดสอบทางสถิติที่มีประโยชน์ในการทำเช่นนี้หรือไม่?

ป้อนคำอธิบายรูปภาพที่นี่

คำตอบ:


7

มีหลายวิธีที่จะนึกขึ้นมาได้ สิ่งแรกคือการสร้างความแตกต่างระหว่างสองซีรี่ส์และสร้าง "ซีรี่ส์ใหม่" วิเคราะห์ซีรี่ส์นั้นและระบุถึงพัลส์, การเลื่อนระดับ / แนวโน้มเวลาท้องถิ่นและสังเกตุองค์ประกอบ ARIMA ที่เป็นไปได้ ผลลัพธ์จะ / อาจแนะนำความแตกต่างที่สามารถระบุได้ใด ๆ แนวทางที่สองคือการสร้างแบบจำลอง ARIMA ทั่วไปสำหรับทั้งอนุกรมเวลาและใช้การทดสอบ CHOW เพื่อทดสอบพารามิเตอร์ที่สำคัญทางสถิติ


1

อีกวิธีหนึ่งที่อาจใช้งานได้คือพิจารณาอัลกอริทึมสำหรับการตรวจจับการเปลี่ยนแปลง

แนวคิดแรกคือการใช้วิธีตรวจจับการเปลี่ยนแปลงเช่นCUSUMในทั้งสองซีรีส์และเปรียบเทียบจุดเปลี่ยน ในตัวอย่างของคุณมีโอกาสมากที่ชุดสีแดงจะให้จุดเปลี่ยนที่ t1 ในขณะที่ชุดสีเหลืองจะไม่ น่าสนใจทั้งสีแดงและสีเหลืองอาจเป็นจุดเปลี่ยนที่การชนครั้งแรกของเส้นโค้ง (ขึ้นอยู่กับความรู้สึกของพารามิเตอร์ CUSUM) แต่คุณไม่ต้องสนใจเพราะมันมีพฤติกรรมคล้ายกัน


1

ตัวเลือกบางอย่างที่คุณอาจต้องการพิจารณา:

  1. หากคุณกำลังมองหาการระบุความแตกต่างที่สำคัญแผนภูมิการควบคุมกระบวนการทางสถิติ (SPC) โดยใช้กฎ Western Electric อาจช่วยให้คุณระบุว่ามันกำลังเกิดขึ้น ตามที่ @IrishStat ได้แนะนำการสร้างกราฟความแตกต่างระหว่างอนุกรมเวลาสองชุดเป็นการเริ่มต้นที่ดีที่สุด จากนั้นใช้กฎ SPC ตามการวิเคราะห์ระยะเวลาที่เสถียรของอนุกรมเวลาสองช่วงนั้นเป็นสิ่งที่ดี

https://en.wikipedia.org/wiki/Western_Electric_rules

  1. วิธีการปฏิบัติที่มีรายละเอียดมากขึ้นคือลำดับเวลาที่รวบรวมการยอมรับอย่างกว้างขวางในอุตสาหกรรมเหมืองแร่เพื่อระบุการเปลี่ยนแปลงและลักษณะเฉพาะของเสียงในข้อมูลอนุกรมเวลา ดังที่คุณสามารถจินตนาการได้ในสภาพแวดล้อมที่คุณสนใจวัสดุ 0.001% ความไม่แน่นอนในการสุ่มตัวอย่างและความแปรปรวนของกระบวนการจะต้องเข้าใจหากคุณมีความแตกต่างในอนุกรมเวลาสองชุด

ในฐานะวิศวกรกระบวนการเหมืองฉันใช้เพื่อจัดการกับข้อมูลอนุกรมเวลาที่มีเสียงดังมากกว่าและลำดับเหตุการณ์ (ผู้เสนอ ได้แก่ Pierre Gy และ Francis Pitard) ช่วยให้สามารถระบุข้อผิดพลาดที่นำเสนอโดยเทคนิคการสุ่มตัวอย่างข้อมูลและด้านอื่น ๆ ของข้อมูล การชุมนุม. เอกสารที่เข้าถึงได้ง่ายขึ้น (เช่นง่ายขึ้นสำหรับนักสถิติที่ไม่ใช่มืออาชีพ) เขียนโดย Tim Napier-Munn ซึ่งมีวิธีการประยุกต์ใช้ในการประเมินข้อมูลอนุกรมเวลามาก

ฉันไม่ได้ตระหนักถึงเอกสารโอเพนซอร์ซ แต่ผู้เขียนทั้งสองนี้ได้ตีพิมพ์ผ่าน Elsevier

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.