Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Jednym z największych wyzwań w analizie danych jest wybór najbardziej odpowiedniego modelu dla danego zbioru danych. W praktyce błędna specyfikacja modelu często prowadziła do nieprawidłowych wniosków w naukach o danych. W niniejszym badaniu porównano skuteczność modelowania szeregów czasowych o sezonowych właściwościach długiej pamięci przy użyciu modeli SARIMA, ARFIMA i SARFIMA. Do ilustracji wykorzystano dane dotyczące średniej miesięcznej temperatury globalnej. Szereg temperatur wykazywał oznaki długiej pamięci, ponieważ wykres ACF powoli zanikał po dalszej analizie. Wykładnik Hursta uzyskany z analizy R/S potwierdził obecność długiej pamięci. ACF wykazał wykładniczy spadek i sinusoidalny wzór, sugerując zarówno niestacjonarność, jak i sezonowość. Przeprowadzono testy stacjonarności i sezonowości, aby zweryfikować te obserwacje. Ostatecznie zastosowano kryteria AIC i BIC w celu oceny efektywności wszystkich trzech modeli, a wyniki wskazały, że w przypadku występowania zarówno sezonowości, jak i długiej pamięci, model SARFIMA działał najskuteczniej.