The purpose in this section is to e

The purpose in this section is to examine evidence of nonlinear
dynamics in themood time series. As a first test, the
data are examined for correlation structure: if a time series
has no serial correlation, then genuine forecasts cannot be
made from it. An empirical approach to this analysis is the
method of surrogate data (Lu 2004; Kantz and Schreiber
2004). To test for correlation structure, we permute the
original series several times to obtain a surrogate set withseries 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) 2:

วัตถุประสงค์ในส่วนนี้คือการตรวจสอบหลักฐานของการไม่เชิงเส้นการเปลี่ยนแปลงในอนุกรมเวลา themood
ในฐานะที่เป็นการทดสอบครั้งแรกที่ข้อมูลที่มีการตรวจสอบโครงสร้างความสัมพันธ์: ถ้าอนุกรมเวลาไม่มีความสัมพันธ์ต่อเนื่องแล้วการคาดการณ์ของแท้ไม่สามารถทำจากมัน วิธีการวิเคราะห์เชิงประจักษ์นี้เป็นวิธีการของข้อมูลตัวแทน (Lu 2004; Kantz และไกร์ 2004) ในการทดสอบสำหรับโครงสร้างความสัมพันธ์เราเปลี่ยนรูปชุดเดิมหลายครั้งที่จะได้รับชุดตัวแทน withseries มีความกว้างเดียวกัน แต่จากกระบวนการสุ่ม. สถิติทดสอบจะนำไปใช้แล้วเดิมและอุ้มท้องและผลที่แสดงกราฟเพื่อดูว่ามีเป็นความแตกต่าง สำหรับสมมติฐานของเสียงสีขาวที่เราใช้ที่แตกต่างกันอัตล่าช้าเป็นสถิติทดสอบ. ถัดไปเราจะพิจารณาสมมติฐานเชิงเส้นของรูปแบบการสุ่มกับปัจจัยเสียน ถ้านี้ไม่สามารถไม่ปฏิเสธแล้วมีคำถามมากกว่าการใช้มากขึ้นซับซ้อนแบบไม่เชิงเส้นสำหรับการพยากรณ์ สำหรับการวิเคราะห์นี้ข้อมูลตัวแทนจะต้องมีความสัมพันธ์ตัวเลขสุ่มกับคลื่นไฟฟ้าเช่นเดียวกับข้อมูลเดิม. นี้เป็นทรัพย์สินของข้อมูลที่มีความกว้างเดียวกันเป็นข้อมูลเดิม แต่ในขั้นตอนที่แตกต่างกัน Amplitudeadjusted ฟูเรียร์ (AAFT) อุ้มท้อง (Kantz และไกร์2004) มีคลื่นไฟฟ้าที่แตกต่างกันเล็กน้อยจากชุดเดิมเพราะเดิมuntransformed กระบวนการเชิงเส้นจะต้องมีการประมาณ เพื่อให้อุ้มท้องตรงกับคลื่นความถี่เดิมอย่างใกล้ชิดเราใช้การแก้ไขAAFT (CAAFT) อุ้มท้อง (Kugiumtzis 2000)

ผลลัพธ์ (ไทย) 3:

การวิจัยในส่วนนี้คือการพิจารณาหลักฐานของพลศาสตร์ไม่เชิงเส้นในเวลา themood
ชุด เป็นการทดสอบแรก ข้อมูล ตรวจสอบโครงสร้างค่า

ถ้าอนุกรมเวลาไม่มีความสัมพันธ์ต่อเนื่อง แล้วยังไม่สามารถ
แท้ทำจากมัน วิธีการเชิงประจักษ์ การวิเคราะห์นี้เป็นวิธีการของข้อมูลตัวแทน ( ลู่

และ ชไรเบอร์ kantz 2004 , 2004 ) เพื่อทดสอบโครงสร้างความสัมพันธ์เราเรียงลำดับ
ชุดเดิมหลายๆครั้งเพื่อให้ได้ตัวแทนชุด withseries ที่มีขนาดเดียวกัน แต่จากกระบวนการสุ่ม
สถิติทดสอบแล้วใช้กับต้นฉบับและ
อุ้มท้อง และผลลัพธ์ที่แสดงกราฟเพื่อดูถ้า
มีความแตกต่าง สำหรับสมมติฐานโมฆะของสัญญาณรบกวนสีขาว
เราใช้ข้อมูลที่แตกต่างกันโดยการทดสอบทางสถิติ 4 .
ต่อไปเราพิจารณาสมมติฐานโมฆะของโมเดล stochastic linear
4 ) . ถ้าไม่สามารถ
ไม่ปฏิเสธ แล้วมีคำถามมาใช้มากขึ้น
ซับซ้อน แบบจำลองเชิงเส้นสำหรับการพยากรณ์ สำหรับการวิเคราะห์ ข้อมูลตัวแทนต้องมี

กับตัวเลขสุ่มสเปกตรัมพลังงานเดียวกันเป็นข้อมูลเดิม นี้เป็นคุณสมบัติของข้อมูล

ซึ่งมีขนาดเดียวกันเป็นข้อมูลเดิม แต่ในขั้นตอนที่แตกต่างกัน amplitudeadjusted
ฟูเรียร์ ( aaft ) ตัวแทน ( kantz และ
ชไรเบอร์ 2004 ) มีแตกต่างกันเล็กน้อยพลังงานสเปกตรัม
จากชุดเดิม เพราะเดิม untransformed
เชิงกระบวนการได้ประมาณ เพื่อให้ตรงกับคลื่นความถี่เดิม
ตัวแทนอย่างใกล้ชิด เรา
ใช้แก้ไข aaft ( caaft ) ตัวแทน ( kugiumtzis
2000 )