Su Media Móvil

Tengo una trama de la serie de tiempo en el paquete ggplot2 y he realizado el promedio móvil y me gustaría añadir el resultado de la media móvil a la trama de series de tiempo. Ejemplo de conjunto de datos (p31): ambtemp dt -1.14 2007-09-29 00:01:57 -1.12 2007-09-29 00:03:57 -1.33 2007-09-29 00:05:57 -1.44 2007 -09-29 00:07:57 -1.54 2007-09-29 00:09:57 -1.29 2007-09-29 00:11:57 Código aplicado para la presentación de series de tiempo: Muestra del gráfico del promedio móvil Muestra de resultados esperados The Desafío es que los datos de series de tiempo obtenidos del conjunto de datos que incluye marcas de tiempo y temperatura, pero los datos del promedio móvil incluyen sólo la columna promedio y no las marcas de tiempo y el ajuste de estos dos puede causar inconsistencia. Top Menú Serie de tiempo y previsión R tiene amplias facilidades para analizar el tiempo Serie de datos. Esta sección describe la creación de una serie de tiempo, descomposición estacional, modelado con modelos exponenciales y ARIMA y pronóstico con el paquete de pronóstico. Creación de una serie de tiempo La función ts () convertirá un vector numérico en un objeto de serie temporal R. El formato es ts (vector, inicio, fin, frecuencia) donde comienzo y final son los tiempos de la primera y última observación y la frecuencia es el número de observaciones por unidad de tiempo (1annual, 4quartly, 12monthly, etc.). Guardar un vector numérico que contiene 72 observaciones mensuales de enero de 2009 a diciembre de 2014 como una serie de tiempo myts lt ts (myvector, startc (2009, 1), endc (2014, 12), frecuencia12) subconjunto de la serie temporal (junio de 2014 a Diciembre 2014) myts2 lt - window (myts, startc (2014, 6), endc (2014, 12)) diagrama de series de trazado (myts) Decomposición estacional Una serie de tiempo con tendencia aditiva, componentes estacionales e irregulares se pueden descomponer usando el stl (). Obsérvese que una serie con efectos multiplicativos a menudo puede transformarse en series con efectos aditivos a través de una transformación de registro (es decir, newts lt-log (myts)). Modelos exponenciales Tanto la función de HoltWinters () en la instalación de base, como la función de ets (), la función de eps (), la función de la descomposición estacional lt - stl (myts, s. windowperiod) En el paquete de pronóstico, se puede utilizar para ajustar modelos exponenciales. (Myts, betaFALSE, gammaFALSE) doble exponencial - nivel de los modelos y tendencia ajustada lt - HoltWinters (myts, gammaFALSE) triples exponenciales - nivel de los modelos, tendencia y componentes estacionales lt - HoltWinters (myts) (Pronóstico) exactitud (ajuste) predice los siguientes tres valores futuros predicción de la biblioteca (pronóstico) pronóstico (ajuste, 3) diagrama (pronóstico (ajuste, 3)) Modelos ARIMA La función arima () se puede usar para ajustar un movimiento autoregresivo integrado Modelo de medias. Otras funciones útiles incluyen: la versión retrasada de la serie de tiempo, desplazado atrás k observacionesMoving Promedios en R A mi leal saber y entender, R no tiene una función incorporada para calcular promedios móviles. Usando la función de filtro, sin embargo, podemos escribir una función corta para medias móviles: Podemos utilizar la función en cualquier dato: mav (data), o mav (data, 11) si queremos especificar un número diferente de puntos de datos Que el predeterminado 5 trazado funciona como se espera: plot (mav (datos)). Además del número de puntos de datos sobre los cuales se puede hacer un promedio, también podemos cambiar el argumento de las funciones del filtro: sides2 usa ambos lados, sides1 usa sólo valores pasados. Comparta esta: Navegación de anuncios Navegación de comentarios Navegación de comentarios