series having the same amplitude bu

series having the same amplitude but from a random process.
A test statistic is then applied to the original and the
surrogates and the results displayed graphically to see if
there is a difference. For the null hypothesis of white noise,
we use the autocorrelation at varying lags as a test statistic.
Next, we consider the null hypothesis of a linear
stochastic model with Gaussian inputs. If this cannot be
not rejected, then there is a question over the use of more
complex, nonlinear models for forecasting. For this analysis,
the surrogate data must be correlated random numbers
with the same power spectrum as the original data.
This is a property of data which has the same amplitude
as the original data but in different phases. Amplitudeadjusted
Fourier transform (AAFT) surrogates (Kantz and
Schreiber 2004) have a slightly different power spectrum
from the original series because the original untransformed
linear process has to be estimated. To make the
surrogates match the original spectrum more closely, we
use corrected AAFT (CAAFT) surrogates (Kugiumtzis
2000).

ผลลัพธ์ (ไทย) 1:

ชุดที่มีคลื่นเดียวกันแต่ จากกระบวนการสุ่มสถิติทดสอบที่ใช้แล้วไปเดิมและsurrogates และผลลัพธ์ที่แสดงภาพกราฟิกเพื่อดูว่ามีความแตกต่าง สำหรับสมมุติฐาน null ของเสียงสีขาวเราใช้ autocorrelation การที่ล่าช้าแตกต่างกันเป็นสถิติทดสอบถัดไป เราพิจารณาสมมุติฐาน null ของตัวเชิงเส้นแบบจำลอง stochastic กับนที่อินพุต ถ้าไม่สามารถปฏิเสธไม่ได้ แล้วมีคำถามมากกว่าการใช้เพิ่มเติมรูปแบบที่ซับซ้อน ไม่เชิงเส้นสำหรับการคาดการณ์ สำหรับการวิเคราะห์นี้ข้อมูลตัวแทนต้องเป็นตัวเลขสุ่มที่มีความสัมพันธ์กับคลื่นพลังงานเดียวกันเป็นข้อมูลเดิมนี่คือคุณสมบัติของข้อมูลซึ่งมีคลื่นเดียวกันเป็นข้อมูลต้นฉบับ แต่ ในเฟส Amplitudeadjustedแปลงฟูเรียร์ surrogates (AAFT) (Kantz และSchreiber 2004) มีสเปกตรัมพลังงานแตกต่างกันเล็กน้อยจากชุดเดิมเนื่องจากต้นฉบับ untransformedกระบวนการเชิงเส้นที่จะประมาณได้ เพื่อให้การsurrogates ตรงกับคลื่นความถี่เดิมอย่างใกล้ชิด เราใช้แก้ไข surrogates AAFT (CAAFT) (Kugiumtzis2000)

ผลลัพธ์ (ไทย) 2:

ชุดที่มีความกว้างเดียวกัน แต่จากกระบวนการสุ่ม.
สถิติทดสอบที่ใช้แล้วไปที่เดิมและ
อุ้มท้องและผลที่แสดงกราฟเพื่อดูว่า
มีความแตกต่าง สำหรับสมมติฐานของเสียงสีขาว
ที่เราใช้อัตล่าช้าที่แตกต่างกันเป็นสถิติทดสอบ.
ถัดไปเราจะพิจารณาสมมติฐานของเส้น
รูปแบบสุ่มกับปัจจัยเกาส์ หากไม่สามารถ
ไม่ปฏิเสธแล้วมีคำถามมากกว่าการใช้เพิ่มเติมที่
ซับซ้อนไม่เชิงเส้นแบบจำลองสำหรับการพยากรณ์ สำหรับการวิเคราะห์นี้
ข้อมูลที่ตัวแทนจะต้องมีความสัมพันธ์ตัวเลขสุ่ม
กับคลื่นไฟฟ้าเช่นเดียวกับข้อมูลเดิม.
นี้เป็นทรัพย์สินของข้อมูลที่มีความกว้างเดียวกัน
เป็นข้อมูลเดิม แต่ในขั้นตอนที่แตกต่างกัน Amplitudeadjusted
ฟูเรียร์ (AAFT) อุ้มท้อง (Kantz และ
ไกร์ 2004) มีคลื่นไฟฟ้าที่แตกต่างกันออกไปเล็กน้อย
จากชุดเดิมเพราะเดิม untransformed
กระบวนการเชิงเส้นจะต้องมีการประมาณ เพื่อให้
อุ้มท้องตรงกับคลื่นความถี่เดิมอย่างใกล้ชิดเรา
ใช้การแก้ไข AAFT (CAAFT) อุ้มท้อง (Kugiumtzis
2000)

ผลลัพธ์ (ไทย) 3:

ชุดมีขนาดเดียวกัน แต่จากกระบวนการสุ่มสถิติทดสอบที่ใช้แล้ว เป็นต้น และตัวแทน และผลลัพธ์ที่แสดงกราฟเพื่อดูว่ามีความแตกต่างกัน คือ สำหรับสมมติฐานโมฆะของสัญญาณรบกวนสีขาวเราใช้ข้อมูลที่แตกต่างกัน 4 เป็นการทดสอบสถิติต่อไปเราจะพิจารณาสมมติฐานโมฆะของเส้นตรงสุ่มรูปแบบ 4 ) . ถ้านี้ไม่ได้ไม่ปฏิเสธ แล้วมีคำถามมาใช้มากขึ้นซับซ้อน , แบบจำลองเชิงเส้นสำหรับการพยากรณ์ สำหรับการวิเคราะห์ข้อมูลตัวแทนต้องมีตัวเลขสุ่มกับสเปกตรัมพลังงานเหมือนข้อมูลต้นฉบับนี่คือคุณสมบัติของข้อมูลซึ่งมีขนาดเดียวกันเป็นข้อมูลเดิม แต่ในขั้นตอนที่แตกต่างกัน amplitudeadjustedการแปลงฟูรีเย ( aaft ) ตัวแทน ( kantz และชไรเบอร์ 2004 ) มีสเปกตรัมพลังงานที่แตกต่างกันเล็กน้อยจากชุดเดิม เพราะเดิม untransformedกระบวนการเชิงเส้นได้ประมาณ เพื่อให้เซอร์โรเกทตรงกับคลื่นความถี่เดิมอย่างใกล้ชิดมากขึ้น เราใช้แก้ไข aaft ( caaft ( kugiumtzis ) ตัวแทน2000 )