मान लें कि किसी के पास एक समय श्रृंखला है जिसमें से कोई भी कई माप ले सकता है जैसे कि अवधि, अधिकतम, न्यूनतम, औसत आदि और फिर इनका उपयोग करके एक ही गुण के साथ एक मॉडल साइन वेव बना सकते हैं, क्या कोई सांख्यिकीय दृष्टिकोण है जो उपयोग कर सकता है वास्तविक डेटा कितनी बारीकी से मान लिया गया है? श्रृंखला में डेटा बिंदुओं की संख्या 10 से 50 अंकों के बीच होगी।
मेरे बारे में एक बहुत ही सादगीपूर्ण पहला विचार था साइन की लहर के दिशात्मक आंदोलन के लिए एक मूल्य का वर्णन करना, अर्थात +1 +1 +1 +1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1, वास्तविक डेटा के समान ही करें, और फिर किसी तरह दिशात्मक आंदोलन की समानता की मात्रा निर्धारित करें।
संपादित करें: मैं अपने डेटा के साथ वास्तव में क्या करना चाहता हूं, इस पर अधिक विचार दिया गया है, और अपने मूल प्रश्न के जवाबों के प्रकाश में, प्रतिस्पर्धा की धारणाओं के बीच चयन करने के लिए मुझे एक निर्णय लेने के लिए एल्गोरिदम की आवश्यकता है: अर्थात् मेरा डेटा मूल रूप से रैखिक है (या ट्रेंडिंग) शोर के साथ जो संभवतः चक्रीय तत्व हो सकते हैं; मेरा डेटा मूल रूप से चक्रीय है जिसमें बोलने की कोई दिशात्मक प्रवृत्ति नहीं है; डेटा अनिवार्य रूप से सिर्फ शोर है; या यह इनमें से किसी भी राज्य के बीच संक्रमण है।
मेरे विचार अब बायेसियन विश्लेषण और यूक्लिडियन / एलएमएस मीट्रिक के कुछ रूप को संयोजित करने के लिए हैं। इस दृष्टिकोण में कदम होगा
डेटा माप से मान साइन लहर बनाएँ
डेटा के लिए एक LMS स्ट्रेट लाइन को फ़िट करें
उपरोक्त में से प्रत्येक के लिए मूल डेटा से प्रस्थान के लिए एक यूक्लिडियन या एलएमएस मीट्रिक व्युत्पन्न करें
इस मीट्रिक के आधार पर प्रत्येक के लिए एक बायेसियन बनाएं अर्थात संयुक्त प्रस्थान का 60% एक, 40% से दूसरे को संलग्न करें, इसलिए 40% का पक्ष लें
डेटा के साथ एक विंडो एक डेटा बिंदु को स्लाइड करें और इस थोड़े बदले हुए डेटा सेट के लिए नए% मैट्रिक्स प्राप्त करने के लिए ऊपर दोहराएं - यह नया सबूत है - बायेसियन विश्लेषण करें एक पीछे बनाने के लिए और उन संभावनाओं को बदलें जो प्रत्येक धारणा का पक्ष लेते हैं।
इस स्लाइडिंग विंडो (विंडो की लंबाई 10-50 डेटा पॉइंट) के साथ पूरे डेटा सेट (3000+ डेटा पॉइंट) के साथ दोहराएं। आशा / इरादा डेटा सेट में किसी भी बिंदु पर प्रमुख / इष्ट धारणा की पहचान करना है और यह समय के साथ कैसे बदलता है
इस संभावित कार्यप्रणाली पर किसी भी टिप्पणी का स्वागत किया जाएगा, विशेषकर इस बात पर कि मैं वास्तव में बायेसियन विश्लेषण भाग को कैसे लागू कर सकता हूं।