similar to: Cómo buscar patrones de comportamiento en datos temporales?

Hola a todos, Por lo que comentáis estáis en una etapa muy temprana y podéis tener todo tipo de datos. Desde mi punto de vista tener modelos adecuados para este tipo de casos puede ser complicado ya que en principio habría una dependencia temporal. Mi recomendación sería enfocarlo primero desde un punto de vista descriptivo (realmente siempre recomiendo esto...). Además de los métodos

Hola, estoy tratando de hacer un boxplot para compara diferentes comportamientos. Tengo un set de datos con 17 columnas, quiero crear un boxplot considerando 3 de ellas. He buscado en foros y siempre responden esta pregunta con subconjuntos de datos dentro de una misma columna, y no he logrado realizarlo. Este es un ejemplo de mis datos: ID: id animal EP: episodio AA: acostado y alerta AD:

(Perdón, no puse asunto en el post original) Ah, corremos R 3.0.2 y l alibrería MASS 7.3-29 Estimados todos: Os escribo porque tengo un problema que nos está dejando un poco trastornadillos. Probablemente sea uno de esos que los ve un experto a un kilómetro y dice ¡oh! toca aquí. Pero nos trae de cabeza. El caso es que aquí usamos un script para calcular ciertos parámetros relacionados con el

Muchas gracias Isidro y Carlos después del mensaje anterior he logrado ver la solución: "E:\Archivos de programa\R\R-2.15.0\bin\i386\R.exe" CMD BATCH --vanilla --slave "E:\curso 2011-12\fuden\plantillas\salidas\p3b.r" quit Crea un fichero donde da la solución y el tiempo de ejecución: [1] 7 > proc.time() user system elapsed 0.37 0.04 0.37 Muchas gracias y

Hola Lorena: Lo prometido es deuda. Dije que miraría si iba este asunto: ggplot(data = dLSaa, aes(x = factor(AA), y = AD, colour = factor(AA))) + geom_boxplot() + xlab( "AA" ) + ylab( "AD" ) + labs(colour = "Leyenda") + ggtitle(label = "Comparación de AD frente a AA") Y este es el resultado: [image:

Hola. Estoy empezando a ver temas de series temporales y me gustaría saber como obtener con R los IVES (índices de variación estacionales). Por el momento estoy viendo cosas muy simples, como descomponer una serie en tendencia y componente estacional, usando la función decompose y también la función stl. Por ejemplo # generamos 48 datos de una normal por ejemplo x <- rnorm(48) # creamos el

hola! quisiera saber si existe algún paquete en R para detectar cambios en la media de una serie temporal, o en su defecto cambios en la pendiente de una serie temporal. Visualmente puedo detectar ciertos años de "cambio", pero me gustaría tener un aval estadístico. Gracias! [[alternative HTML version deleted]]

Buenas Alguien sabe como se hacen las predicciones de las series temporslea usando keras? Baaado en esto: https://tensorflow.rstudio.com/blog/time-series-forecasting-with-recurrent-neural-networks.html He intentado hacer un predict_generator(test_data) pero siempre me devuelve el error de que el array no coincid con las dimensiones Gracias!! Obtener Outlook para

Hola a tod en s, queremos hacer una comparación entre dos lugares muy alejados entre sí en relación a la temperatura de cada sitio usando medias horarias de un período determinado. Sólo hay medidas de un sensor en cada sitio y queremos saber si las diferencias son significativas o no entre sitios/curvas. Hemos usado un test de Mann?Whitney U con la función wilcox.test (paired=F) ya que los

Hola. Llevo poco tiempo con R y estoy atascado en un problemilla, a ver si podéis ayudarme. Estoy trabajando con una base de datos sobre personalidad en diferentes especies de aves. Esta base tiene datos de más de 7000 individuos y me gustaría crear un bucle mediante el cual realizar un test de Kruskal Wallis por cada especie (quiero ver si los comportamientos son consistentes dentro de cada

Es justo ese ejemplo el que estoy mirando, pero no sale la prediccion He probado a cambiar la funcion generadora, haciendo que devuelva como lista solo los input, pero sigue devolviendo error: Error in py_call_impl(callable, dots$args, dots$keywords) : ValueError: Error when checking model : the list of Numpy arrays that you are passing to your model is not the size the model expected.

Hola a todos: Hace unos meses estuve preguntando sobre la prueba de Thom para comprobar la homogeneidad de series temporales sobre datos de radiación e insolación (después he visto que también se usa con otras variables meteorológicas) [0]. El caso es que por distintas razones no había podido avanzar en el asunto y ahora vuelvo sobre él. Creé una función para realizar la prueba de Thom pero

Hola!! Estoy intentando evaluar mi modelo de series temporales (uso auto.arima). Para ello he implemetado el método "rolling window" que se basa en ir añadiendo progresivamente datos al conjunto de train para testar el modelo. Por ejemplo: - Train: 1 año, test: día 1 (24 observaciones, una por hora) --> evalúo ese día (RMSE por ejemplo) - Train: 1 año + 1 día, test: día 2 -->

Hola Jorge: Disculpa la tardanza pero me han tenido liado en otros menesteres. Yo no soy ni muchísimo menos un experto ni en series temporales ni en R de hecho retomo el tema después de muchos (demasiados) años aparcado y dedicándome a labores de programación pura y dura. Respecto a la diferencia de resultados con R y Statgraphics, no conozco el proceso de selección del modelo ARIMA que hace

Estimada Comunidad, solicito vuestra ayuda en un tema quizás un poco tonto, pero no logro dar con la tecla. Estoy intentando hacer una gráfica de la evolución temporal de una variable (xbar) a lo largo del tiempo. La secuencia que he hecho es la siguiente: attach(Libro1) plot (xbar~as.Date(fechas,"%d/%m/%y"), ylim=c(400,650), type="b", pch=19,cex=1)

Muchas gracias Freddy y Carlos ... estuve intentando con .() y con list(), para calcular la media y el error estandar al mismo tiempo en dos columnas, pero me arrojaba un error que no supe interpretar. Ahora ya funciona como sugiere Carlos. Muchas gracias de nuevo. Saludos, Eric. On 14/05/15 19:28, Carlos Ortega wrote: > Hola, > > La forma de hacerlo con data.table es esta: >

> Hola a tod@as a ver si me podéis ayudar: > > tengo una base de datos en excel con 120 variables y 58 observaciones para > cada una de ellas y no encuentro la manera de que reconozca la base de > manera correcta, es decir que reconozca que son 120 variables y que se trata > de series temporales. He usado el paquete ts, zoo pero tampoco así consigo > indexarlas de manera

Muchas gracias Carlos, previo a mi correo, entre las pruebas que hice estaba una parecida a la que apuntas de la siguiente manera: attach (Libro1) plot (xbar~as.Date(fechas,"%d/%m/%y"), ylim=c(400,660), xaxt="n", type="b", pch=19,cex=1) xlabels<-strptime(fecha,format="%d/%m/%Y") axis.Date (1,at=xlabels,format="%b-%y")

Cordial Saludo Tengo muchas curvas de tipo biologico y ademas son de un comportamiento similar, que tipo de analisis requiero para determinar un patron de curva, en aproximadamente una muestra de 30 a 40. He investigado y nose si deba utilizar ANALISIS DE COMPONENTES PRINICIPALES, CORRELACION CANONICA, entre otros, Gracias por la atencion prestada [[alternative HTML version deleted]]

Hola de nuevo, acabo de encontrar la solución. He creado una variable ficticia con los días 1 de cada mes en la secuencia temporal que quería y después he actuado de la siguiente manera attach(Libro1) plot (xbar~as.Date(fecha,"%d/%m/%y"), type="b", pch=19,cex=2,xaxt="n") xlabels<-strptime(ofeje, format = "%d/%m/%y") axis.Date(1,