Rの基本パッケージ中の時系列オブジェクト一覧
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
]
開始行:
// 間瀬(2004/09/07)
COLOR(red){SIZE(18){R の基本パッケージ base, stats 中の時...
#contents
* 時間情報 [#nbc7951d]
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...
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...
「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...
月別データなら、自然な時間単位「年」...
期とサンプリング比率どちらか一方を与...
周期 cycle：各データの観測時間情報を表す、...
を表す対。例えば年と月 (1993、5)、年...
(12、13)、週と曜日 (43、Fri)等
* R の組込み時系列データ [#g53c6116]
airmiles 米国の商業航空路線の有償旅客マイル数
(revenue passenger miles、ある期間中の運賃払乗...
1937 -- 1960年の年別時系列、24 観測値
co2 大気中の CO2 濃度(ppm)。1997年度のISOモル分率圧力計...
1959--1997年度の月別データ。468観測値。1964年の2,3,4...
1,5月のデータから線形補間で補われている
nhtemp コネチカット州 New Haven の年平均気温(華氏)。
1912--1971年の年別データ。60観測値
presidents 米国の(ほぼ)四半期毎の大統領指示率(ギャラップ...
1945年第1四半期から1974年第4四半期。120観測値...
sunspots 月別の平均相対太陽黒点数。1960年まではスイス連...
1749--1983年の月別データ。stats パッケージ中の ...
少し異なる黒点数データである
uspop 10年毎の国勢調査による米国人口(単位百万人)。1790--...
AirPassengers 古典的なBox-Jenkinsの航空路線データ。1949-...
月別国際航空路線総顧客数(単位千人)
BJsales 二つのデータ、Box-Jenkinsの売上高データ BJsales...
BJsales.lead を含む。各々150観測値からなる。
EuStockMarkets ヨーロッパの主要株式指標(Germany DAX (Ibi...
France CAC, そして UK FTSE)の毎日の引け値...
4変量で、1860観測値
JohnsonJohnson 1960--1980年の Johnson-Johnson の一株当た...
LakeHuron ヒューロン湖の水位の年別測定値(単位フィート)...
Nile 1871--1970年のアスワンに於けるナイル川の年流量測...
UKDriverDeaths 1969--1984年の英国の、死亡もしくは重傷を...
シートベルトの着用が1983年1月31日に義務付...
はより詳しい情報を含む8変量時系列データで...
UKLungDeaths 呼吸器系疾患(肺癌、肺気腫、喘息)による1974-...
死亡者数。両性 ldeaths、男性 mdeaths、女性 ...
UKgas 1960-1968年の英国の四半期毎のガス消費量。108観測値
USAccDeaths 1973--1978年の米国の月別事故死亡者数
WWWusag あるサーバー経由でインターネットに接続したユーザ...
austres 1971年3月から1994年5月に至るオーストラリアの四半...
beavers 2匹の雌のビーバ(Castor canadensis)の体温を10分毎...
データフレーム beaver1 は4変数114観測値(12月12,1...
beaver2 は4変数100観測値(10月3,4日)
lh 女性の10分間隔の血液中の黄体形成ホルモン量の時系列...
lynx 1821--1934年にカナダで罠で捕獲され大山猫 (lynx) の...
Campbell-Walkerが JRSS, series A, vol.140, 411-431(...
nottem ノッティンガム城で1920--1939年に測定された月別平...
sunspot 月別と年別の太陽黒点数。年別時系列 sunspot.year...
はそれぞれ289, 2988観測値を含む。月別データは、1...
sunspotsデータよりも長い
treering (単位が与えられていない)正規化されたカリフォル...
(Bristlecone pine は樹齢4千年を越える個体が存在...
の年輪の幅。7981観測値
* 時系列オブジェクトの生成と処理 [#s2b01532]
** 時系列オブジェクトを生成する、ts(), as.ts(), is.ts() [...
クラス "ts" のオブジェクトをベクトルもしくは行列から生成...
時系列データには、一年およびそれを12分割した月、一週間と...
それの分割単位が備わっていることが多い。
ts(data = NA, start = 1, end = numeric(0), frequency = 1,
deltat = 1, ts.eps = getOption("ts.eps"), class = , n...
as.ts(x)
is.ts(x)
** 時系列オブジェクトに対する数値演算 [#k8398952]
時系列オブジェクトに対しては、スカラーによる算術演算、関...
結果は同じ時間範囲を持つ時系列オブジェクトになる。行列風...
部分抽出ができる。また二つの時系列同士の算術演算も可能で...
演算を行った結果からなる時系列になる。
** 時系列オブジェクトに対する演算 [#o1010fc9]
時系列オブジェクトに対して、その階差(difference) を取る d...
がある。diff() は既定のメソッドを持つ総称的関数であり、
クラス "ts" と "POSIXt" (R は二種類の基本日付・時刻クラス...
前者は 1970 年始めからの経過秒数を表す(符号付き)数値ベク...
秒・分・時・日にち・月・(1900年以来の)経過年数からなる名...
である。両者は時間帯を表す "tzone" 属性を持つこともある(O...
POSIXt は両クラスを継承する日付・時刻クラスであり、論理比...
算術演算ができる)に対するメソッドを持つ。欠損値 NA があれ...
diff(x, lag = 1, differences = 1, ...)
## クラス "POSIXt" に対する S3 メソッド
diff(x, lag = 1, differences = 1, ...)
** 時系列オブジェクトに対する演算 [#gc5ada71]
ラグ階差関数 diff() の逆処理(離散積分)。diffinv() は
クラス "ts" に対するメソッドを持つ総称的関数であり、
ベクトルと行列に対する既定動作を持つ。欠損値は処理できな...
diffinv(x, lag = 1, differences = 1,
xi = rep(0.0, lag*differences*NCOL(x)), ...)
** 時系列の合併と共通部分、ts.union(), ts.intersect() [#q...
頻度が同じ複数の時系列オブジェクトを、時間範囲の合併と共...
変換する関数 ts.union(), ts.intersect() がある。ts.union(...
無ければ欠損値 NA で埋める。ts.intersect() は全ての時系列...
した時系列を与える。
ts.intersect(..., dframe = FALSE)
ts.union(..., dframe = FALSE)
** 時系列に関する情報を得る、start(), end(), frequncy(), ...
時系列オブジェクトに関する情報を得る関数には start(),
end(), frequency(), time(), cycle(), tsp()
等がある。時系列オブジェクトは付加情報を持つベクトルもし...
行列であるから、長さ関数 length() 関数や、次元関数 dim()
を用いて、サイズを知ることができる。
** 時系列オブジェクトの部分時系列を得る [#ndfdc941]
window() 関数は、一つの時系列オブジェクトから、時間範囲を...
部分時系列を取り出す。
window(x, start = NULL, end = NULL, frequency = NULL,
deltat = NULL, extend = FALSE, ...)
** 時系列のラグ演算 [#qdb277c0]
時系列のラグ(遅延演算)を取る。与えられた観測値数分、時間...
lag(x, k = 1, ...)
** 時系列オブジェクトに対するメソッド、diff(), na.omit() ...
クラス "ts" の時系列オブジェクト(普通関数 ts() の結果)に...
## クラス "ts" に対する S3 メソッド
diff(x, lag=1, differences=1, ...)
## クラス "ts" に対する S3 メソッド
na.omit(object, ...)
** 時系列を部分的に集約する [#m6bb58c5]
データを部分集合に分割し、各々に対する要約統計量を計算し、
結果を適切な形式で返す。
aggregate(x, ...)
## クラス "data.frame" 用メソッド
aggregate(x, by, FUN, ...)
## クラス "ts" 用メソッド
aggregate(x, nfrequency = 1, FUN = sum, ndeltat = 1,
ts.eps = getOption("ts.eps"), ...)
** 欠損値を含まない最長の部分時系列を取り出す [#hc13f4e5]
引き続いて欠損値を含まないような、最長の部分時系列を取り...
もしそうしたものが複数あれば、最初のものを返す。引き数 fr...
一次元、もしくは多次元時系列である。frame のクラスは保存...
na.contiguous(frame)
* 時系列の自己相関、スペクトル密度 [#wd003aa5]
** 時系列の自己共分散と自己相関係数 acf(), pacf(), ccf()...
時系列データに関する最も基本的な統計量は
自己共分散(auto-covariance)と自己相関係数(auto-correlation)
である。R の関連する関数は acf(), pacf(), ccf() である。
関数 acf() は時系列オブジェクトの自己共分散と自己相関係数...
それをプロットする。関数 pacf() は 偏自己相関係数(partial...
を計算する。関数 ccf() は二つの一次元時系列間の
クロス相関係数(cross-correlation)とクロス共分散(cross-cav...
acf(x, lag.max = NULL,
type = c("correlation", "covariance", "partial"),
plot = TRUE, na.action = na.fail, demean = TRUE, ...)
pacf(x, lag.max = NULL, plot = TRUE, na.action = na.fail...
ccf(x, y, lag.max = NULL, type = c("correlation", "covar...
plot = TRUE, na.action = na.fail, ...)
* スペクトル密度関数 [#k0f5e07c]
** 時系列のスペクトル密度関数の推定 [#u574c1a0]
時系列のスペクトル密度関数 (spectral density) を推定する。
spectrum(x, method = c("pgram","ar"), plot = TRUE,
na.action = na.fail, ...)
** AR モデルの当てはめによりスペクトル密度を推定する [#ab...
x に AR モデルを当てはめ(もしくは既に存在する当てはめ結果...
返り値はクラス "spec" のオブジェクトで、もし plot = TRUE ...
出力されない。
spec.ar(x, n.freq, order = NULL, plot = TRUE, na.action ...
method = "yule-walker", ...)
** ペリオドグラムの計算 [#mb69fdfb]
高速フーリエ変換によりペリオドグラムを計算する。
オプションとして結果を修正 Daniel 平滑法(終端の重みを半分...
による系列で平滑化する。もし plot = TRUE なら結果はコンソ...
表示されない。
spec.pgram(x, spans = NULL, kernel, taper = 0.1,
pad = 0, fast = TRUE, demean = FALSE, detrend...
plot = TRUE, na.action = na.fail, ...)
** 時系列の両端を削る [#t16d4dfd]
cosine-bell 関数を、時系列 x[,i] の最初と最後の p[i]/2 分...
返り値は新しい時系列である。
cosine bell とは関数 (1 - cos(x))/ 2 を指す。この 0 から ...
時系列の両端部分に掛けることにより、時系列の値を両端で徐...
taper である。
spec.taper(x, p=0.1)
* AR モデル [#sa118b72]
** 時系列へのARモデルの当てはめ [#w1725ce3]
時系列オブジェクトへの AR モデル (自己回帰モデル、auto-re...
の当てはめを様々な手法で行う関数群。
ar(x, aic = TRUE, order.max = NULL,
method=c("yule-walker", "burg", "ols", "mle", "yw"),
na.action, series, ...)
ar.burg(x, aic = TRUE, order.max = NULL, na.action = na....
demean = TRUE, series, var.method = 1, ...)
ar.yw(x, aic = TRUE, order.max = NULL, na.action = na.fa...
demean = TRUE, series, ...)
ar.mle(x, aic = TRUE, order.max = NULL, na.action = na.f...
demean = TRUE, series, ...)
** 当てはめモデルによる予測 [#aed85f7e]
当てはめられた AR モデルにより、予測を行う関数 predict() ...
predict() は総称的関数であり、実際は predict.ar() 関数が...
predict(object, newdata, n.ahead = 1, se.fit = TRUE, ...)
** 最小自乗法による AR モデルの当てはめ [#w51d4fec]
通常最小自乗法 (OLS, Ordinary Least Square) により、時系...
当てはめる。既定では AIC 法で次数を決める。
ar.ols(x, aic = TRUE, order.max = NULL, na.action = na.f...
demean = TRUE, intercept = demean, series, ...)
* ARMA、ARIMA モデル [#v48b60c4]
** ARIMAモデルのシミュレーション [#s1bd9a33]
ARIMAモデルをシミュレーションする。返り値はクラス "ts" の...
arima.sim(model, n, rand.gen = rnorm, innov = rand.gen(n...
n.start = NA, ...)
** ARIMA モデルの当てはめ [#g665d9bc]
一変量時系列に ARIMA モデルを当てはめる。
arima(x, order = c(0, 0, 0),
seasonal = list(order = c(0, 0, 0), period = NA),
xreg = NULL, include.mean = TRUE, transform.pars =...
fixed = NULL, init = NULL, method = c("CSS-ML", "M...
n.cond, optim.control = list(), kappa = 1e6)
** ARMA モデルの自己相関係数 [#rfe9ffd6]
ARMA モデルの理論自己相関係数もしくは部分自己相関係数を計...
ARMAacf(ar = numeric(0), ma = numeric(0), lag.max = r, p...
** ARMA モデルを無限次数 MA モデルに変換する [#u9295c94]
ARMA モデルを無限次数 MA モデルに変換する。
ARMAtoMA(ar = numeric(0), ma = numeric(0), lag.max)
* 時系列に対する検定 [#bbd83e5c]
** 時系列の独立性帰無仮説に対する検定 [#t5830ab0]
与えられた時系列に対する「独立性帰無仮説」を調べる
Box-Pierce もしくは Ljung-Box 検定統計量を計算する。欠損...
許されない。
Box.test(x, lag = 1, type = c("Box-Pierce", "Ljung-Box"))
** Phillips-Perron の単位根検定 [#p15215f8]
x が単位根を持つという帰無仮説を、定常対立仮説に対して検...
実行する。欠損値は許されない。
PP.test(x, lshort = TRUE)
** 時系列解析の診断図 [#od3f1586]
時系列の当てはめ結果の診断図を描く総称的関数である。
tsdiag(object, gof.lag, ...)
* 時系列の成分への分解 [#u8f74c30]
** 移動平均による古典的な時系列の成分への分解 [#r9c45107]
時系列を、移動平均により季節、傾向、不規則成分に分解する。
加法、乗法モデルをともに扱える。
decompose(x, type = c("additive", "multiplicative"), fil...
** loess を用いた時系列の成分への分解 [#lf7e669f]
loess() 関数を用いた時系列の、季節、傾向、不規則成分への...
STL と略される。
stl(x, s.window, s.degree = 0,
t.window = NULL, t.degree = 1,
l.window = nextodd(period), l.degree = t.degree,
s.jump = ceiling(s.window/10),
t.jump = ceiling(t.window/10),
l.jump = ceiling(l.window/10),
robust = FALSE,
inner = if(robust) 1 else 2,
outer = if(robust) 15 else 0,
na.action = na.fail)
* フィルタリング、平滑化 [#mc9f8aad]
** 線形フィルタ [#kd190028]
一変量時系列、もしくは多変量時系列の各時系列に線形フィル...
返り値は時系列オブジェクトである。
filter(x, filter, method = c("convolution", "recursive"),
sides = 2, circular = FALSE, init)
** 各関数による平滑化 [#lcac7847]
入力時系列の、特定の核関数による畳み込みによる平滑化を計...
返り値は平滑化された結果の系列である。
kernapply(x, k, circular = FALSE, ...)
kernapply(k1, k2)
** 平滑化核関数オブジェクト [#c90f9520]
クラス "tskernel" は、離散的で対称な正規化された平滑化核...
を表現するようにデザインされている。これらの核関数は、ベ...
平滑化するのに使われる。
kernel(coef, m, r, name)
df.kernel(k)
bandwidth.kernel(k)
is.tskernel(k)
** Holt-Winters フィルタリング [#x8fbdff5]
時系列に対する Holt-Winters フィルタリングを計算する。
未知パラメータは自乗予測誤差の最小化で決定される。
HoltWinters(x, alpha = NULL, beta = NULL, gamma = NULL,
seasonal = c("additive", "multiplicative"),
start.periods = 3, l.start = NULL, b.start =...
s.start = NULL,
optim.start = c(alpha = 0.3, beta = 0.1, gam...
optim.control = list())
* 時系列関連の作図関数 [#qd3c20f9]
** プロット関数 [#a4b3dc6b]
プロット用の総称的関数である。作図パラメータの詳細に付い...
plot(x, y, ...)
** 時系列のラグプロット [#ca74fc45]
時系列をそのラグ版に対してプロットする。自己相関が低い場...
「自己従属性を」を可視化するのに役立つ。
lag.plot(x, lags = 1, layout = NULL, set.lags = 1:lags,
main = NULL, asp = 1,
font.main=par("font.main"), cex.main=par("cex.m...
diag = TRUE, diag.col="gray", type="p", oma =NU...
do.lines = n <= 150, labels = do.lines, ...)
** 時系列の季節成分等をプロットする [#xf249b07]
時系列の季節成分(または、他の副系列)をプロットする。
各季節(もしくは他のカテゴリ)毎に時系列がプロットされる。
現在の作図デバイスにプロットが行われるが、返り値は無い。
monthplot(x, labels = NULL, times, phase, base, choice, ...
** 複数の時系列を一つの画面にプロット [#b7c86826]
複数の時系列を一つの画面にプロットする。plot.ts とは異な...
各系列は異なった時間情報を持っても良いが、頻度は同じでな...
一つの時系列に対しても使えるが plot() の使用が簡単で好ま...
ts.plot(..., gpars = list())
** 累積ペリオドグラムをプロットする [#r158a6b5]
累積ペリオドグラムをプロットする。
cpgram(ts, taper=0.1, main=
paste("Series: ", deparse(substitute(ts))), ci.co...
* 時系列の予測 [#x8cf4906]
** 時系列の予測 [#b44d58dd]
predict() は様々なモデル当てはめ関数の結果から予測を行う...
この関数は最初の引き数の class に応じて、特定のメソッドを...
関数 predict.lm() は線形予測関数 lm() の結果に基づいて予...
predict(object, ...)
* 状態空間モデルとカルマンフィルタ [#f4c733b7]
** 時系列の構造モデル [#r3130973]
時系列に構造モデル(structual model)を当てはめる。
StructTS(x, type = c("level", "trend", "BSM"), init = NU...
fixed = NULL, optim.control = NULL)
** 固定区間平滑化 [#f477f124]
状態空間モデルを用い、一変量時系列に固定区間平滑化を実行...
固定区間平滑化は、全ての観測値に基づき、各時点での最良の...
tsSmooth(object, ...)
** 構造モデル用補助関数 [#e46901ba]
カルマンフィルタを用いて、(ガウシアン)対数尤度を求める、...
KalmanLike(y, mod, nit = 0)
KalmanRun(y, mod, nit = 0)
KalmanSmooth(y, mod, nit = 0)
KalmanForecast(n.ahead = 10, mod)
makeARIMA(phi, theta, Delta, kappa = 1e6)
* その他 [#f5f8a932]
** 時系列を低次元空間に埋め込む [#ua1ef028]
時系列 x を低次元ユークリッド空間に埋め込む。
embed(x, dimension = 1)
** 対称テプリッツ行列 [#a0e4b540]
最初の行を与えて対称テプリッツ(Toeplitz)行列を作る。
唯一の引き数 x はテプリッツ行列の最初の行である。
toeplitz(x)
終了行:
// 間瀬(2004/09/07)
COLOR(red){SIZE(18){R の基本パッケージ base, stats 中の時...
#contents
* 時間情報 [#nbc7951d]
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...
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...
「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...
月別データなら、自然な時間単位「年」...
期とサンプリング比率どちらか一方を与...
周期 cycle：各データの観測時間情報を表す、...
を表す対。例えば年と月 (1993、5)、年...
(12、13)、週と曜日 (43、Fri)等
* R の組込み時系列データ [#g53c6116]
airmiles 米国の商業航空路線の有償旅客マイル数
(revenue passenger miles、ある期間中の運賃払乗...
1937 -- 1960年の年別時系列、24 観測値
co2 大気中の CO2 濃度(ppm)。1997年度のISOモル分率圧力計...
1959--1997年度の月別データ。468観測値。1964年の2,3,4...
1,5月のデータから線形補間で補われている
nhtemp コネチカット州 New Haven の年平均気温(華氏)。
1912--1971年の年別データ。60観測値
presidents 米国の(ほぼ)四半期毎の大統領指示率(ギャラップ...
1945年第1四半期から1974年第4四半期。120観測値...
sunspots 月別の平均相対太陽黒点数。1960年まではスイス連...
1749--1983年の月別データ。stats パッケージ中の ...
少し異なる黒点数データである
uspop 10年毎の国勢調査による米国人口(単位百万人)。1790--...
AirPassengers 古典的なBox-Jenkinsの航空路線データ。1949-...
月別国際航空路線総顧客数(単位千人)
BJsales 二つのデータ、Box-Jenkinsの売上高データ BJsales...
BJsales.lead を含む。各々150観測値からなる。
EuStockMarkets ヨーロッパの主要株式指標(Germany DAX (Ibi...
France CAC, そして UK FTSE)の毎日の引け値...
4変量で、1860観測値
JohnsonJohnson 1960--1980年の Johnson-Johnson の一株当た...
LakeHuron ヒューロン湖の水位の年別測定値(単位フィート)...
Nile 1871--1970年のアスワンに於けるナイル川の年流量測...
UKDriverDeaths 1969--1984年の英国の、死亡もしくは重傷を...
シートベルトの着用が1983年1月31日に義務付...
はより詳しい情報を含む8変量時系列データで...
UKLungDeaths 呼吸器系疾患(肺癌、肺気腫、喘息)による1974-...
死亡者数。両性 ldeaths、男性 mdeaths、女性 ...
UKgas 1960-1968年の英国の四半期毎のガス消費量。108観測値
USAccDeaths 1973--1978年の米国の月別事故死亡者数
WWWusag あるサーバー経由でインターネットに接続したユーザ...
austres 1971年3月から1994年5月に至るオーストラリアの四半...
beavers 2匹の雌のビーバ(Castor canadensis)の体温を10分毎...
データフレーム beaver1 は4変数114観測値(12月12,1...
beaver2 は4変数100観測値(10月3,4日)
lh 女性の10分間隔の血液中の黄体形成ホルモン量の時系列...
lynx 1821--1934年にカナダで罠で捕獲され大山猫 (lynx) の...
Campbell-Walkerが JRSS, series A, vol.140, 411-431(...
nottem ノッティンガム城で1920--1939年に測定された月別平...
sunspot 月別と年別の太陽黒点数。年別時系列 sunspot.year...
はそれぞれ289, 2988観測値を含む。月別データは、1...
sunspotsデータよりも長い
treering (単位が与えられていない)正規化されたカリフォル...
(Bristlecone pine は樹齢4千年を越える個体が存在...
の年輪の幅。7981観測値
* 時系列オブジェクトの生成と処理 [#s2b01532]
** 時系列オブジェクトを生成する、ts(), as.ts(), is.ts() [...
クラス "ts" のオブジェクトをベクトルもしくは行列から生成...
時系列データには、一年およびそれを12分割した月、一週間と...
それの分割単位が備わっていることが多い。
ts(data = NA, start = 1, end = numeric(0), frequency = 1,
deltat = 1, ts.eps = getOption("ts.eps"), class = , n...
as.ts(x)
is.ts(x)
** 時系列オブジェクトに対する数値演算 [#k8398952]
時系列オブジェクトに対しては、スカラーによる算術演算、関...
結果は同じ時間範囲を持つ時系列オブジェクトになる。行列風...
部分抽出ができる。また二つの時系列同士の算術演算も可能で...
演算を行った結果からなる時系列になる。
** 時系列オブジェクトに対する演算 [#o1010fc9]
時系列オブジェクトに対して、その階差(difference) を取る d...
がある。diff() は既定のメソッドを持つ総称的関数であり、
クラス "ts" と "POSIXt" (R は二種類の基本日付・時刻クラス...
前者は 1970 年始めからの経過秒数を表す(符号付き)数値ベク...
秒・分・時・日にち・月・(1900年以来の)経過年数からなる名...
である。両者は時間帯を表す "tzone" 属性を持つこともある(O...
POSIXt は両クラスを継承する日付・時刻クラスであり、論理比...
算術演算ができる)に対するメソッドを持つ。欠損値 NA があれ...
diff(x, lag = 1, differences = 1, ...)
## クラス "POSIXt" に対する S3 メソッド
diff(x, lag = 1, differences = 1, ...)
** 時系列オブジェクトに対する演算 [#gc5ada71]
ラグ階差関数 diff() の逆処理(離散積分)。diffinv() は
クラス "ts" に対するメソッドを持つ総称的関数であり、
ベクトルと行列に対する既定動作を持つ。欠損値は処理できな...
diffinv(x, lag = 1, differences = 1,
xi = rep(0.0, lag*differences*NCOL(x)), ...)
** 時系列の合併と共通部分、ts.union(), ts.intersect() [#q...
頻度が同じ複数の時系列オブジェクトを、時間範囲の合併と共...
変換する関数 ts.union(), ts.intersect() がある。ts.union(...
無ければ欠損値 NA で埋める。ts.intersect() は全ての時系列...
した時系列を与える。
ts.intersect(..., dframe = FALSE)
ts.union(..., dframe = FALSE)
** 時系列に関する情報を得る、start(), end(), frequncy(), ...
時系列オブジェクトに関する情報を得る関数には start(),
end(), frequency(), time(), cycle(), tsp()
等がある。時系列オブジェクトは付加情報を持つベクトルもし...
行列であるから、長さ関数 length() 関数や、次元関数 dim()
を用いて、サイズを知ることができる。
** 時系列オブジェクトの部分時系列を得る [#ndfdc941]
window() 関数は、一つの時系列オブジェクトから、時間範囲を...
部分時系列を取り出す。
window(x, start = NULL, end = NULL, frequency = NULL,
deltat = NULL, extend = FALSE, ...)
** 時系列のラグ演算 [#qdb277c0]
時系列のラグ(遅延演算)を取る。与えられた観測値数分、時間...
lag(x, k = 1, ...)
** 時系列オブジェクトに対するメソッド、diff(), na.omit() ...
クラス "ts" の時系列オブジェクト(普通関数 ts() の結果)に...
## クラス "ts" に対する S3 メソッド
diff(x, lag=1, differences=1, ...)
## クラス "ts" に対する S3 メソッド
na.omit(object, ...)
** 時系列を部分的に集約する [#m6bb58c5]
データを部分集合に分割し、各々に対する要約統計量を計算し、
結果を適切な形式で返す。
aggregate(x, ...)
## クラス "data.frame" 用メソッド
aggregate(x, by, FUN, ...)
## クラス "ts" 用メソッド
aggregate(x, nfrequency = 1, FUN = sum, ndeltat = 1,
ts.eps = getOption("ts.eps"), ...)
** 欠損値を含まない最長の部分時系列を取り出す [#hc13f4e5]
引き続いて欠損値を含まないような、最長の部分時系列を取り...
もしそうしたものが複数あれば、最初のものを返す。引き数 fr...
一次元、もしくは多次元時系列である。frame のクラスは保存...
na.contiguous(frame)
* 時系列の自己相関、スペクトル密度 [#wd003aa5]
** 時系列の自己共分散と自己相関係数 acf(), pacf(), ccf()...
時系列データに関する最も基本的な統計量は
自己共分散(auto-covariance)と自己相関係数(auto-correlation)
である。R の関連する関数は acf(), pacf(), ccf() である。
関数 acf() は時系列オブジェクトの自己共分散と自己相関係数...
それをプロットする。関数 pacf() は 偏自己相関係数(partial...
を計算する。関数 ccf() は二つの一次元時系列間の
クロス相関係数(cross-correlation)とクロス共分散(cross-cav...
acf(x, lag.max = NULL,
type = c("correlation", "covariance", "partial"),
plot = TRUE, na.action = na.fail, demean = TRUE, ...)
pacf(x, lag.max = NULL, plot = TRUE, na.action = na.fail...
ccf(x, y, lag.max = NULL, type = c("correlation", "covar...
plot = TRUE, na.action = na.fail, ...)
* スペクトル密度関数 [#k0f5e07c]
** 時系列のスペクトル密度関数の推定 [#u574c1a0]
時系列のスペクトル密度関数 (spectral density) を推定する。
spectrum(x, method = c("pgram","ar"), plot = TRUE,
na.action = na.fail, ...)
** AR モデルの当てはめによりスペクトル密度を推定する [#ab...
x に AR モデルを当てはめ(もしくは既に存在する当てはめ結果...
返り値はクラス "spec" のオブジェクトで、もし plot = TRUE ...
出力されない。
spec.ar(x, n.freq, order = NULL, plot = TRUE, na.action ...
method = "yule-walker", ...)
** ペリオドグラムの計算 [#mb69fdfb]
高速フーリエ変換によりペリオドグラムを計算する。
オプションとして結果を修正 Daniel 平滑法(終端の重みを半分...
による系列で平滑化する。もし plot = TRUE なら結果はコンソ...
表示されない。
spec.pgram(x, spans = NULL, kernel, taper = 0.1,
pad = 0, fast = TRUE, demean = FALSE, detrend...
plot = TRUE, na.action = na.fail, ...)
** 時系列の両端を削る [#t16d4dfd]
cosine-bell 関数を、時系列 x[,i] の最初と最後の p[i]/2 分...
返り値は新しい時系列である。
cosine bell とは関数 (1 - cos(x))/ 2 を指す。この 0 から ...
時系列の両端部分に掛けることにより、時系列の値を両端で徐...
taper である。
spec.taper(x, p=0.1)
* AR モデル [#sa118b72]
** 時系列へのARモデルの当てはめ [#w1725ce3]
時系列オブジェクトへの AR モデル (自己回帰モデル、auto-re...
の当てはめを様々な手法で行う関数群。
ar(x, aic = TRUE, order.max = NULL,
method=c("yule-walker", "burg", "ols", "mle", "yw"),
na.action, series, ...)
ar.burg(x, aic = TRUE, order.max = NULL, na.action = na....
demean = TRUE, series, var.method = 1, ...)
ar.yw(x, aic = TRUE, order.max = NULL, na.action = na.fa...
demean = TRUE, series, ...)
ar.mle(x, aic = TRUE, order.max = NULL, na.action = na.f...
demean = TRUE, series, ...)
** 当てはめモデルによる予測 [#aed85f7e]
当てはめられた AR モデルにより、予測を行う関数 predict() ...
predict() は総称的関数であり、実際は predict.ar() 関数が...
predict(object, newdata, n.ahead = 1, se.fit = TRUE, ...)
** 最小自乗法による AR モデルの当てはめ [#w51d4fec]
通常最小自乗法 (OLS, Ordinary Least Square) により、時系...
当てはめる。既定では AIC 法で次数を決める。
ar.ols(x, aic = TRUE, order.max = NULL, na.action = na.f...
demean = TRUE, intercept = demean, series, ...)
* ARMA、ARIMA モデル [#v48b60c4]
** ARIMAモデルのシミュレーション [#s1bd9a33]
ARIMAモデルをシミュレーションする。返り値はクラス "ts" の...
arima.sim(model, n, rand.gen = rnorm, innov = rand.gen(n...
n.start = NA, ...)
** ARIMA モデルの当てはめ [#g665d9bc]
一変量時系列に ARIMA モデルを当てはめる。
arima(x, order = c(0, 0, 0),
seasonal = list(order = c(0, 0, 0), period = NA),
xreg = NULL, include.mean = TRUE, transform.pars =...
fixed = NULL, init = NULL, method = c("CSS-ML", "M...
n.cond, optim.control = list(), kappa = 1e6)
** ARMA モデルの自己相関係数 [#rfe9ffd6]
ARMA モデルの理論自己相関係数もしくは部分自己相関係数を計...
ARMAacf(ar = numeric(0), ma = numeric(0), lag.max = r, p...
** ARMA モデルを無限次数 MA モデルに変換する [#u9295c94]
ARMA モデルを無限次数 MA モデルに変換する。
ARMAtoMA(ar = numeric(0), ma = numeric(0), lag.max)
* 時系列に対する検定 [#bbd83e5c]
** 時系列の独立性帰無仮説に対する検定 [#t5830ab0]
与えられた時系列に対する「独立性帰無仮説」を調べる
Box-Pierce もしくは Ljung-Box 検定統計量を計算する。欠損...
許されない。
Box.test(x, lag = 1, type = c("Box-Pierce", "Ljung-Box"))
** Phillips-Perron の単位根検定 [#p15215f8]
x が単位根を持つという帰無仮説を、定常対立仮説に対して検...
実行する。欠損値は許されない。
PP.test(x, lshort = TRUE)
** 時系列解析の診断図 [#od3f1586]
時系列の当てはめ結果の診断図を描く総称的関数である。
tsdiag(object, gof.lag, ...)
* 時系列の成分への分解 [#u8f74c30]
** 移動平均による古典的な時系列の成分への分解 [#r9c45107]
時系列を、移動平均により季節、傾向、不規則成分に分解する。
加法、乗法モデルをともに扱える。
decompose(x, type = c("additive", "multiplicative"), fil...
** loess を用いた時系列の成分への分解 [#lf7e669f]
loess() 関数を用いた時系列の、季節、傾向、不規則成分への...
STL と略される。
stl(x, s.window, s.degree = 0,
t.window = NULL, t.degree = 1,
l.window = nextodd(period), l.degree = t.degree,
s.jump = ceiling(s.window/10),
t.jump = ceiling(t.window/10),
l.jump = ceiling(l.window/10),
robust = FALSE,
inner = if(robust) 1 else 2,
outer = if(robust) 15 else 0,
na.action = na.fail)
* フィルタリング、平滑化 [#mc9f8aad]
** 線形フィルタ [#kd190028]
一変量時系列、もしくは多変量時系列の各時系列に線形フィル...
返り値は時系列オブジェクトである。
filter(x, filter, method = c("convolution", "recursive"),
sides = 2, circular = FALSE, init)
** 各関数による平滑化 [#lcac7847]
入力時系列の、特定の核関数による畳み込みによる平滑化を計...
返り値は平滑化された結果の系列である。
kernapply(x, k, circular = FALSE, ...)
kernapply(k1, k2)
** 平滑化核関数オブジェクト [#c90f9520]
クラス "tskernel" は、離散的で対称な正規化された平滑化核...
を表現するようにデザインされている。これらの核関数は、ベ...
平滑化するのに使われる。
kernel(coef, m, r, name)
df.kernel(k)
bandwidth.kernel(k)
is.tskernel(k)
** Holt-Winters フィルタリング [#x8fbdff5]
時系列に対する Holt-Winters フィルタリングを計算する。
未知パラメータは自乗予測誤差の最小化で決定される。
HoltWinters(x, alpha = NULL, beta = NULL, gamma = NULL,
seasonal = c("additive", "multiplicative"),
start.periods = 3, l.start = NULL, b.start =...
s.start = NULL,
optim.start = c(alpha = 0.3, beta = 0.1, gam...
optim.control = list())
* 時系列関連の作図関数 [#qd3c20f9]
** プロット関数 [#a4b3dc6b]
プロット用の総称的関数である。作図パラメータの詳細に付い...
plot(x, y, ...)
** 時系列のラグプロット [#ca74fc45]
時系列をそのラグ版に対してプロットする。自己相関が低い場...
「自己従属性を」を可視化するのに役立つ。
lag.plot(x, lags = 1, layout = NULL, set.lags = 1:lags,
main = NULL, asp = 1,
font.main=par("font.main"), cex.main=par("cex.m...
diag = TRUE, diag.col="gray", type="p", oma =NU...
do.lines = n <= 150, labels = do.lines, ...)
** 時系列の季節成分等をプロットする [#xf249b07]
時系列の季節成分(または、他の副系列)をプロットする。
各季節(もしくは他のカテゴリ)毎に時系列がプロットされる。
現在の作図デバイスにプロットが行われるが、返り値は無い。
monthplot(x, labels = NULL, times, phase, base, choice, ...
** 複数の時系列を一つの画面にプロット [#b7c86826]
複数の時系列を一つの画面にプロットする。plot.ts とは異な...
各系列は異なった時間情報を持っても良いが、頻度は同じでな...
一つの時系列に対しても使えるが plot() の使用が簡単で好ま...
ts.plot(..., gpars = list())
** 累積ペリオドグラムをプロットする [#r158a6b5]
累積ペリオドグラムをプロットする。
cpgram(ts, taper=0.1, main=
paste("Series: ", deparse(substitute(ts))), ci.co...
* 時系列の予測 [#x8cf4906]
** 時系列の予測 [#b44d58dd]
predict() は様々なモデル当てはめ関数の結果から予測を行う...
この関数は最初の引き数の class に応じて、特定のメソッドを...
関数 predict.lm() は線形予測関数 lm() の結果に基づいて予...
predict(object, ...)
* 状態空間モデルとカルマンフィルタ [#f4c733b7]
** 時系列の構造モデル [#r3130973]
時系列に構造モデル(structual model)を当てはめる。
StructTS(x, type = c("level", "trend", "BSM"), init = NU...
fixed = NULL, optim.control = NULL)
** 固定区間平滑化 [#f477f124]
状態空間モデルを用い、一変量時系列に固定区間平滑化を実行...
固定区間平滑化は、全ての観測値に基づき、各時点での最良の...
tsSmooth(object, ...)
** 構造モデル用補助関数 [#e46901ba]
カルマンフィルタを用いて、(ガウシアン)対数尤度を求める、...
KalmanLike(y, mod, nit = 0)
KalmanRun(y, mod, nit = 0)
KalmanSmooth(y, mod, nit = 0)
KalmanForecast(n.ahead = 10, mod)
makeARIMA(phi, theta, Delta, kappa = 1e6)
* その他 [#f5f8a932]
** 時系列を低次元空間に埋め込む [#ua1ef028]
時系列 x を低次元ユークリッド空間に埋め込む。
embed(x, dimension = 1)
** 対称テプリッツ行列 [#a0e4b540]
最初の行を与えて対称テプリッツ(Toeplitz)行列を作る。
唯一の引き数 x はテプリッツ行列の最初の行である。
toeplitz(x)
ページ名:
![[RjpWiki]](image/../Rlogo.png "[RjpWiki]")
