はてなブログ | 無料ブログを作成しよう
トルコ水紀行 －前編 イスタンブール－ みなさんこんばんは、地図子です！8月は久しぶりに毎月更新にしようと思います。今までずっと名古屋について書いてきましたが、ワープして・・・ トルコについて書きたいと思います。 2024年6月に念願のトルコに行ってきました。いつからトルコに行きたかったかわから…
Rと時系列(2)
回帰分析と同様に時系列データ解析の主要な目的は、収集したデータを用いてモデルを作成し、将来の予測やシステムの制御などを行うことである。 時系列データのモデルは で表現でき、かつ|a|=1(単位根)である場合、ランダムウォークと呼ばれる。ランダムウォークで表現される時系列データは非定常である。時系列データを分析する際には、まずデータの変動がランダムウォークで表現できるか、そうでないかを調べることが重要である。 時系列がランダムウォークで表現できるか否かを検定することを単位根検定と呼ぶ。単位根検定は「単|a|=1が存在する」という帰無仮説検定で、1970年代後半にDickey-Fullerによって初めて考案され、その後Phillips-Perron検定、McKinnons's検定などが提案されている。 Rには、Phillips-Perron検定に関する関数PP.testがある。データlhの
Ｒと時系列(1)
時間とともに変動する現象に対して時間の順序で測定・観測した結果の記録を時系列データと言い、略して時系列(time series)と言う。時系列データは多くの分野で様々な目的で取り扱われる。日常の社会生活の中でよく見受けられるものには、心電図や脳波のような医療データ、気温や気圧のような気象データ、株価および為替レートのような金融・経済データなどがある。 時系列データは、常に変動を伴うものである。その振る舞いを統計的に分析し、データ変動の特徴を捉え、現象の解明と将来の変動を予測・制御しようとするのが時系列データ分析の主要な目的である。 ちなみに、2003年ノーベル経済学賞の受賞の対象となった内容は、経済時系列分析に関するものである。
第４回R勉強会＠東京 で話してきた -「R言語による時系列分析」 - hamadakoichi blog
「R言語による時系列分析」を、第４回R勉強会＠東京 (2010/04/24) で話してきました。 第4回R勉強会＠東京（Tokyo.R#04） : ATND 双方向形式の進行で質疑応答も含め80分で行いました。 私の双方向形式の講義進行で発言・質問して下さった方々、懇親会で話せた方々、どうもありがとうございました。資料、ソースコード、実行結果を以下に記載します。 講師資料 [Ｒ勉強会][データマイニング] R言語による時系列分析View more presentations from Koichi Hamada. AGENDA 自己紹介 時系列分析とは データ操作 モデル 確率密度 期待値と分散 ARモデル ARMA/ARIMAモデル ARFIMAモデル ARCHモデル 最後に 資料中リンク 今回の資料アップではPowerpointの資料をキレイにSlideShareにアップする方法を行っ
Rの基本パッケージ中の時系列オブジェクト一覧 - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki です時間情報 時系列オブジェクトは(等間隔)観測時間情報を持つため、時間に関する以下のような幾つかの 特殊な情報を持つ: 自然な時間単位 年、月、週、一時間等 観測開始時間 start 観測終了時間 end 頻度 frequency：単位時間内の観測値の数。月別データなら、自然な時間単位 「年」に対する周期は 12 サンプリング比率 deltat： 自然な時間単位に対する、サンプリング間隔を表す比率。 月別データなら、自然な時間単位「年」に対する deltat は 1/12。周 期とサンプリング比率どちらか一方を与えれば良い。 周期 cycle：各データの観測時間情報を表す、自然な時間単位とその中での頻度 を表す対。例えば年と月 (1993、5)、年と四半期 (2002、Qtr2)、月と日
Rによるデータサイエンス：１２章「時系列」
6. データの形式と属性 > class(lh) [1] "ts" > lh Time Series: Start = 1 End = 48 Frequency = 1 [1] 2.4 2.4 2.4 2.2 2.1 1.5 2.3 2.3 2.5 2.0 1.9 1.7 2.2 1.8 3.2 3.2 2.7 2.2（以下省略） ※女性の血液中の黄体ホルモンを10分間隔で測定したデータ・・・だそうです 6 7. データの形式と属性 > start(UKgas) [1] 1960 1 > end(UKgas) [1] 1986 4 > frequency(UKgas) [1] 4 > UKgas Qtr1 Qtr2 Qtr3 Qtr4 1960 160.1 129.7 84.8 120.1 1961 160.1 124.9 84.8 116.9 1962 169.7 140.9 89.7
複数系列データを持つxtsクラスのオブジェクトを色付きで描画する方法 - My Life as a Mock Quant
Twitter上で Twitter / @wdkz: @teramonagi 大仏様、あけましておめでとう ... via kwout Twitter / @wdkz: @teramonagi 大仏様、あけましておめでとう ... via kwout という質問をいただいたので、サンプルコード含めてここで回答します。 今回は描画したいサンプルデータはもう既に手元にあるという状況設定で、以下のようなサンプルデータを作成しておきました。 これを描画したいとします。 > library(xts) > x <- xts(cbind(1:10,1:10+1), order.by = Sys.Date() + 0:9) > x [,1] [,2] 2012-01-10 1 2 2012-01-11 2 3 2012-01-12 3 4 2012-01-13 4 5 2012-01-14 5 6 201
xtsへのコンバート - My Life as a Mock Quant
※xtsの使い方自体はxtsライブラリを使ってみるー１、xtsライブラリを使ってみるー２参照のこと csvファイルに金融時系列データを保存する場合、「１列目：日時、２列目以降：資産価格」のようなフォーマットが多い（Excel脳） このようなデータをRで扱う場合、read.csvで読み込むとdata.frame型になる。 これを処理が大変便利なxts型に変換したいので関数を書く・・・までもなく #hogeにdata.frame型のデータが入る as.xts(read.zoo(hoge)) でイケた。具体的なデータを使ってやってみると #テスト用データをdropboxにおいてあるのでそれを使う #ここで使用している為替レートのようなものは実際の値ではありません。あくまでサンプルデータです。 file.currency.rate <- "http://dl.dropbox.com/u/99233
xtsライブラリを使ってみる−２ - My Life as a Mock Quant
その１はこちら「xtsライブラリを使ってみるー１」 マニュアルを読み込んで大体（私が）使いそうな関数をその１の記事と合わせて以下のサンプルで網羅した感じ。 特にlag関数の挙動が大事。 library(xts) #前回同様、サンプル行列で試す data(sample_matrix) sample.xts <- as.xts(sample_matrix) #lag関数を使えば日付を１日ずらすことができる。 lag(sample.xts) #例えばリターンを計算したいなら以下のようにすればOK sample.xts/lag(sample.xts)-1 #↓記事１では以下のように月末時のデータを抜いたが、もうちょっと汎用的な関数があった #index.monthlast <- endpoints(sample.xts) #sample.xts[index.monthlast] #月末だけのデータ
xtsパッケージで時系列解析
Presentation document at Tokyo.R meeting on 2nd July 2011. Rのxts（zoo）パッケージで時系列を捌くためのノウハウ（データ作成、便利関数）を紹介。
xtsライブラリを使ってみる−１ - My Life as a Mock Quant
（その２はコチラ） 先日、R勉強会に参加させていただいたときに 「時系列のデータ構造を扱う際にはxtsパッケージが便利なのではないか？」 というアドバイスをいただいたので使ってみる。 まずはマニュアルのほぼ写経コード library(xts) data(sample_matrix) #その名の通り行列形式でデータが入っている head(sample_matrix) #xtsオブジェクトへ！ sample.xts <- as.xts(sample_matrix, descr='テストデータです') #zooパッケージのクラスとxtsクラスの属性を持っているようだ class(sample.xts) str(sample.xts) #headを使うとdescrの属性の値は見えないので、無理やりだしてみる。 head(sample.xts) attr(sample.xts,'descr') #い
時系列解析 実践編
★新サイト完成しました! ３秒後に自動的に移動します 変わらない方は こちらからどうぞ http://logics-of-blue.com/%E6%99%82%E7%B3%BB%E5%88%97%E5%88%86%E6%9E%90_%E5%AE%9F%E8%B7%B5%E7%B7%A8/ Rを用いた時系列解析 の実践例を載せます。 使用データ シミュレーションデータと、Rにもともと入っているサンプルデータを用います。 シミュレーションデータはこちら set.seed(1) d<-arima.sim(n=200,model=list(order=c(2,0,2),ar=c(0.2,0.7),ma=c(0.7,0.3)),sd=sqrt(1)) ARIMA(２,０,２）モデルが推定できれば正解です。こちらはARMA過程であって、和分過程ではありません。「定常過程」とも言 われる安定した挙動を示
時系列解析 理論編
★新サイト完成しました! ３秒後に自動的に移動します 変わらない方は こちらからどうぞ http://logics-of-blue.com/%E6%99%82%E7%B3%BB%E5%88%97%E8%A7%A3%E6%9E%90_%E7%90%86%E8%AB%96%E7%B7%A8/ ここからは、予測理論 の本命、時系列解析の紹介に移ります。 時系 列解析は、回帰分析とは違ってあまり知らない人も多いと思うので、ざっと解説を載せておきます。 それ と、便利なパッケージ forecast の紹介も。 時系列解析って何？ 回帰分析だと、なにかの要因から結果を予測します。一方時系列解析は、過去のデータから未来を予測するという手法です。 たとえば、一年前に魚が豊漁だったら、今年も豊漁になりやすいとか、そういう関係性があるのかというところを調べて予測に活用します。もちろん、回帰分析 のように別の要
Ｒと時系列(1)
時間とともに変動する現象に対して時間の順序で測定・観測した結果の記録を時系列データと言い、略して時系列(time series)と言う。時系列データは多くの分野で様々な目的で取り扱われる。日常の社会生活の中でよく見受けられるものには、心電図や脳波のような医療データ、気温や気圧のような気象データ、株価および為替レートのような金融・経済データなどがある。 時系列データは、常に変動を伴うものである。その振る舞いを統計的に分析し、データ変動の特徴を捉え、現象の解明と将来の変動を予測・制御しようとするのが時系列データ分析の主要な目的である。 ちなみに、2003年ノーベル経済学賞の受賞の対象となった内容は、経済時系列分析に関するものである。
Rを用いた時系列解析
Abstract 本稿では，パッケージソフトのひとつであるRを用いた時系列解析について説明する．時系列解析の中でもFFT（高速フーリエ変換）及びAR（自己回帰）モデルを用いた周波数解析手法を取り上げる． 生体信号計測により得られるデータは，生体に起こる現象の時間的な変化を連続的に観測した時系列データである．こうして得られた時系列データに対し，特徴量抽出やより高度な解析を行うには統計的手法を用いることが望まれる．そこで，本稿ではフリーソフトウェア「R」を用いた時系列解析について説明する．Rはフリーソフトウェアであり，Rを用いることで高度な統計解析を行うことができる．また，Rにインストールされていない新しい分析手法（e.g. fastICA）などもパッケージを組み込むことで拡張が可能となる．Rはインタプリタ型のプログラム言語で記述される[1] ．本稿ではR及びRstudioがインストールされて
サーバ異常検知入門
7. サンプルデータの作成「df」コマンドを使用します。$ dfFilesystem 1K-ブロック 使用 使用可 使用% マウント位置/dev/vzfs 83886080 4738368 79147712 6% /none 262144 4 262140 1% /dev 8. こんな感じのシェルスクリプトを作って#!/bin/bashdatetime=`date ‘+%F %H:%M’`# 日付values=`df | awk‘/devvzfs/ {print $2“,”$3“,”$4}’`# 観測値echo $datetime,$values# まとめて出力cronで定期的に動かして、ログに保存$ crontab -l* * * * * ~/df.sh >> ~/df.log 2> /dev/null最初にヘッダを入れておくと良いかも$echo "datetime,blocks,use
[Ｒ勉強会][データマイニング] R言語による時系列分析
3. 位置づけ データマイニングの方法論を用いての 蓄積データの有効活用 統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析 時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析 はてな Web Service 判別分析 主成分分析 因子分析 (Bookmark/Graph/Keyword,…) カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) ニューラルネットワーク サポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的 熱力学的 シミュレーテドアニーリング 力学モ
![[Ｒ勉強会][データマイニング] R言語による時系列分析](https://cdn-ak-scissors.b.st-hatena.com/image/square/f1400933dedc843cedb02dc299edefd6e0d94c1f/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fr-100423232629-phpapp01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
R言語による多変量時系列分析−Dynamic Conditional Correlation GARCH Model - hamadakoichi blog
R言語による多変量時系列分析。 複数グループ・複数項目の時系列データで時系列間の関係性・影響を明らかにする。 以下、実行可能なR言語ソースコードを用い紹介する。 例：複数時系列間の関係性・影響 農家ごとの農地の肥沃度・人の各仕事の労働量・各肥料の投入量の各時系列、および、生産量の時系列から、肥沃度・各労働量・各肥料量が生産量に与える影響を明らかにする。 国ごとの各政策種類への投資額の時系列、および、GDP から、各政策投資がGDPに与える影響を明らかにする 地域ごとの各キャンペーン種類の投入量の各時系列、および、商品売上の時系列から、各地域の各キャンペーンが売上に与える影響を明らかにする。等。 R言語による時系列分析入門 R言語でのAR、ARMA/ARIMA、ARFIMA、ARCH、などの時系列モデルの入門資料（※１年前のTokyo.R 講師資料) http://d.hatena.ne.j
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
R Graphical Manual
xts.R