Overview

Una 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 Details

9786209146527

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available