Vektorielle Modelle vs. univariate Komponentenmodelle
Ermitteln Sie die stündlichen Temperaturwerte für Champaign, Illinois im Mai 2014.
In[1]:= | ![]() X |
In[2]:= | ![]() X |
Berechnen Sie mit TimeSeriesAggregate die täglichen Mindest- und Höchsttemperaturen.
In[3]:= | ![]() X |
Kombinieren Sie diese zu einer vektoriellen Zeitreihe.
In[4]:= | ![]() X |
Out[4]= | ![]() |
Out[5]= | ![]() |
Der erste Teil der Daten wird zur Ermittlung eines Modells verwendet, während die restlichen Daten als Referenz für die Prognose dienen.
In[6]:= | ![]() X |
Die Temperaturen sind kreuzkorreliert.
In[7]:= | ![]() X |
Out[7]= | ![]() |
Stellen Sie die Daten in einem vektoriellen Modell dar.
In[8]:= | ![]() X |
Out[8]= | ![]() |
Erstellen Sie eine Prognose für die nächsten 5 Tage.
In[9]:= | ![]() X |
Out[10]= | ![]() |
Finden Sie separate univariate Modelle desselben Typs für Höchst- und Mindesttemperaturen, jedoch für längere Folgen.
In[11]:= | ![]() X |
Out[11]= | ![]() |
In[12]:= | ![]() X |
Out[12]= | ![]() |
Kombinieren Sie die univariaten Prognosen, um sie graphisch darzustellen.
In[13]:= | ![]() X |
Out[13]= | ![]() |
Vergleichen Sie die Prognosen.
In[14]:= | ![]() X |
Out[15]= | ![]() |
Stellen Sie die vektorielle Prognose und die 95 %-Konfidenzbänder graphisch dar.
Out[17]= | ![]() |
Stellen Sie die univariaten Prognosen und die 95 %-Konfidenzbänder graphisch dar.
Out[20]= | ![]() |
Vergleichen Sie beide Prognosen und die entsprechenden Konfidenzbänder.
Out[21]= | ![]() |