Identyfikacja obserwacji oddalonych w szeregach czasowych

• Autorzy: Michał Trzęsiok

Warianty tytułu

Detection of Outliers in Time Series

• Języki publikacji: PL

Abstrakty

W artykule uwzględniono różne podejścia do zagadnienia identyfikacji obserwacji oddalonych: podejście dedykowane dla szeregów czasowych i modeli ARIMA, mierniki stopnia oddalenia obserwacji oraz metody klasyfikacyjne. Celem cząstkowym jest zestawienie istniejących metod, ze wskazaniem możliwości pewnych modyfikacji dla polepszenia wyników otrzymywanych z prowadzonej diagnostyki.(abstrakt oryginalny)

EN

The paper presents three different methods for detecting anomalies in time series. The first one is dedicated for time series analysis and ARIMA models. Two other two come from very different background: one is associated with measuring the distance from the given observation to the remaining objects in dataset. The other one belongs to the family of classification methods within machine learning framework. The goal of the paper is to present, compare and illustrate these three different approaches on a real world dataset.(original abstract)

Słowa kluczowe

PL

Szeregi czasowe; Metody statystyczne; Modele ARIMA; Metoda wektorów nośnych (SVM); Metodologia badań statystycznych; Uczenie maszynowe

EN

Time-series; Statistical methods; Autoregressive integrated moving average (ARIMA) models; Support Vector Machines (SVM); Methodology of statistical surveys; Machine learning

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2016
• Numer: nr 265
• Strony: 95--105

Twórcy

autor

Michał Trzęsiok

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Balke N.S. (1993), Detecting Level Shifts in Time Series, "Journal of Business & Economic Statistics", Vol. 11(1), s. 81-92.
• Barnett V., Lewis T. (1978), Outliers in Statistical Data, John Wiley & Sons, New York.
• Battaglia F., Orfei L. (2005), Outlier Detection and Estimation in Nonlinear Time Series, "Journal of Time Series Analysis", Vol. 26(1), s. 107-121.
• Ben-Hur A., Horn D., Siegelman H.T., Vapnik V. (2001), Support Vector Clustering, "Journal of Machine Learning Research", Vol. 2, s. 125-137.
• Chang I., Tiao G.C., Chen C. (1988). Estimation of Time Series Parameters in the Presence of Outliers, "Technometrics", Vol. 30(2), s. 193-204.
• Chen C., Liu L.M. (1993), Joint Estimation of Model Parameters and Outlier Effects in Time Series, "Journal of the American Statistical Association", Vol. 88(421), s. 284-297.
• Filzmoser P., Maronna R.A., Werner M. (2008), Outlier Identification in High Dimensions, "Computational Statistics & Data Analysis", Vol. 52, s. 1694-1711.
• Fox A.J. (1972), Outliers in Time Series, "Journal of the Royal Statistical Society. Series B (Methodological)", s. 350-363.
• Hawkins D. (1980), Identification of Outliers, Chapman and Hall, London - New York.
• Healy M.J.R. (1968), Multivariate Normal Plotting, "Applied Statistics", Vol. 17, s. 157-161.
• Rousseeuw P.J. (1984), Least Median of Squares Regression, "Journal of the American Statistical Association", Vol. 79, s. 871-880.
• Rousseeuw P.J., Leroy A.M. (2003), Robust Regression and Outlier Detection, John Wiley & Sons, New York.
• Trzęsiok M. (2007), Identyfikacja obserwacji oddalonych z wykorzystaniem metody wektorów nośnych [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 14. Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe, nr 1169, Wydawnictwo Akademii Ekonomicznej, Wrocław, s. 350-357.
• Trzęsiok M. (2008), Wybór wartości parametrów przez walidację wyników klasyfikacji taksonomicznej metody wektorów nośnych [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 15. Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe, nr 7 (1207), Wydawnictwo Uniwersytetu Ekonomicznego, Wrocław, s. 354-363.
• Tsay R.S. (1986), Time Series Model Specification in the Presence of Outliers, "Journal of the American Statistical Association", Vol. 81(393), s. 132-141.