Andere Kunden interessierten sich auch für
![Metodi di stima in presenza di errori non campionari]( "Metodi di stima in presenza di errori non campionari")
Metodi di stima in presenza di errori non campionari22,99 €![DISCORSO SULLA TEORIA DELLA POESIA DEL RILIEVO LIRICO]( "DISCORSO SULLA TEORIA DELLA POESIA DEL RILIEVO LIRICO")
DISCORSO SULLA TEORIA DELLA POESIA DEL RILIEVO LIRICO29,99 €![Analisi multivariata per la scienza dei dati]( "Analisi multivariata per la scienza dei dati")
Analisi multivariata per la scienza dei dati44,99 €![Monitoraggio della volatilità nel processo di negoziazione dei mercati finanziari]( "Monitoraggio della volatilità nel processo di negoziazione dei mercati finanziari")
Monitoraggio della volatilità nel processo di negoziazione dei mercati finanziari26,99 €![Sostenibilità sociale degli stakeholder nella gestione della catena di fornitura]( "Sostenibilità sociale degli stakeholder nella gestione della catena di fornitura")
Sostenibilità sociale degli stakeholder nella gestione della catena di fornitura26,99 €![GESTIONE DEL FUNZIONAMENTO DEL SERBATOIO CON LA LOGICA FUZZY]( "GESTIONE DEL FUNZIONAMENTO DEL SERBATOIO CON LA LOGICA FUZZY")
GESTIONE DEL FUNZIONAMENTO DEL SERBATOIO CON LA LOGICA FUZZY26,99 €![I fattori che rendono inaccessibile la proprietà fondiaria alle donne]( "I fattori che rendono inaccessibile la proprietà fondiaria alle donne")
I fattori che rendono inaccessibile la proprietà fondiaria alle donne51,99 €
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.