5

Rでノイズの多い時系列データを分析しようとしています。データは動物のCO2排出に基づいており、特徴付けたい一種の周期性を示しています。仮説を検証したい：

H0: 周期的な CO2 排出はありません (つまり、ランダムに過ぎません)。

H1: サイクルまたはパルスで CO2 排出のパターンがあります。

これを行うために、データを R にインポートし、時系列クラスに変換して、ピリオドグラムをプロットしました。

t25a <- read.table("data.txt", header=TRUE, sep="\t")
t1 <- ts(t25a$Co2)
plot(t1)
spec.pgram(t1, spans=4, log="no")

生データを上に、ピリオドグラムを下にプロットすると、次のようになります。

時系列 CO2 データの R ピリオドグラム

下の図では、データの周波数成分を示す 4 つまたは 5 つのやや異なるピークが見られます。私の質問は、それらはすべて等しく「重要」ですか? 観測されたピークが互いに有意に異なるかどうか、または帰無仮説の予測と有意に異なるかどうかをテストする方法はありますか? 私が知っている方法は、それらのピークに関連する頻度を見つけることだけですが、データに実際にいくつの「重要な」ピークがあるかを判断するためのより客観的な方法が必要です.

4

1 に答える 1

1

1 つのオプションは、帰無仮説の下でデータ セットをシミュレートすることです (探している周期性はありませんが、他の時系列特性はまだ持っています)。数値検定統計量 (ピーク数、またはその他の尺度) がある場合は、多くのシミュレートされたデータ セットのそれぞれについてこれを計算できます。これにより、サンプリング分布が得られます。実際のデータの検定統計量をサンプリングと比較するだけです。分布。単純な数値検定の統計がない場合は、視覚的な検定を行うことを検討してください。以下を参照してください。

 Buja, A., Cook, D. Hofmann, H., Lawrence, M. Lee, E.-K., Swayne,
 D.F and Wickham, H. (2009) Statistical Inference for exploratory
 data analysis and model diagnostics Phil. Trans. R. Soc. A 2009
 367, 4361-4383 doi: 10.1098/rsta.2009.0120

R 用パッケージのvis.test関数は、TeachingDemosこのテストの実装に役立ちます (ただし、他の方法もあります)。

于 2011-10-21T16:43:47.167 に答える