|
|
|||
|
||||
OverviewUna delle sfide più grandi nell'analisi dei dati è la selezione del modello più appropriato per un determinato set di dati. Nella pratica, la specificazione errata del modello ha spesso portato a conclusioni errate nella scienza dei dati. Questo studio confronta l'efficienza della modellizzazione di una serie temporale con proprietà di memoria lunga stagionale utilizzando i modelli SARIMA, ARFIMA e SARFIMA. Per l'illustrazione sono stati utilizzati i dati relativi alla temperatura media mensile globale. La serie di temperature ha mostrato segni di memoria lunga, poiché il grafico ACF è diminuito lentamente dopo un'ulteriore analisi. L'esponente di Hurst ottenuto dall'analisi R/S ha confermato la presenza di memoria lunga. L'ACF ha mostrato un decadimento esponenziale e un andamento sinusoidale, suggerendo sia la non stazionarietà che la stagionalità. Sono stati condotti test di stazionarietà e stagionalità per verificare queste osservazioni. Infine, sono stati applicati i criteri AIC e BIC per valutare l'efficienza di tutti e tre i modelli e i risultati hanno indicato che, in presenza sia di stagionalità che di memoria lunga, il modello SARFIMA ha funzionato in modo più efficiente. Full Product DetailsAuthor: Kelechi AruahPublisher: Edizioni Sapienza Imprint: Edizioni Sapienza Dimensions: Width: 15.20cm , Height: 0.40cm , Length: 22.90cm Weight: 0.109kg ISBN: 9786209146527ISBN 10: 620914652 Pages: 72 Publication Date: 13 November 2025 Audience: General/trade , General Format: Paperback Publisher's Status: Active Availability: Available To Order We have confirmation that this item is in stock with the supplier. It will be ordered in for you and dispatched immediately. Language: Italian Table of ContentsReviewsAuthor InformationTab Content 6Author Website:Countries AvailableAll regions |
||||