Box–Jenkins method (original) (raw)
In time series analysis, the Box–Jenkins method, named after the statisticians George Box and Gwilym Jenkins, applies autoregressive moving average (ARMA) or autoregressive integrated moving average (ARIMA) models to find the best fit of a time-series model to past values of a time series.
| Property | Value |
|---|---|
| dbo:abstract | Die Box-Jenkins-Methode oder das Box-Jenkins-Programm geht auf George E. P. Box und Gwilym M. Jenkins und ihr Buch aus dem Jahre 1970 Time Series Analysis - Forecasting and Control zurück. Es markierte eine neue Epoche in der Zeitreihenanalyse. Im Gegensatz zum vorher vorherrschenden Trendmodell, das einen deterministischen Prozess unterstellte, gehen Box und Jenkins von einem stochastischen Prozess (siehe ARMA-Modell) aus, mit dessen Hilfe die Modellierung einer Zeitreihe erfolgt. Eine wichtige Konsequenz dieses Ansatzes ist, dass (zufällige) Schocks eine dauerhafte Wirkung auf spätere Zeitreihenwerte haben können. Dieses ist vor allem für ökonomische Zeitreihen eine realitätsnähere Annahme. Ein wichtiges Dogma der Box-Jenkins-Methode ist das so genannte Gesetz der Sparsamkeit. Dieses fordert eine sparsame Parametrisierung des Modells im Sinne einer möglichst geringen Zahl von Parametern. (de) In time series analysis, the Box–Jenkins method, named after the statisticians George Box and Gwilym Jenkins, applies autoregressive moving average (ARMA) or autoregressive integrated moving average (ARIMA) models to find the best fit of a time-series model to past values of a time series. (en) En el análisis de series de tiempo, la metodología de Box-Jenkins, nombrada así en honor a los estadísticos George E. P. Box y , se aplica a los modelos autorregresivos de media móvil ARMA o a los modelos autorregresivos integrados de media móvil (ARIMA) para encontrar el mejor ajuste de una serie temporal de valores, a fin de que los pronósticos sean más acertados. (es) In statistica, considerato il modello ARIMA(p,q,d) con p, q, d interi non negativi, si definisce una procedura per lo studio del modello denominata metodo di Box e Jenkins che si distingue in quattro fasi: 1. * Analisi preliminare: verifica della stazionarietà della serie, analisi grafica, identificazione di eventuali valori anomali, ricerca delle trasformazioni più adeguate a renderla stazionaria; 2. * Identificazione del modello: individuazione degli ordine p,d,q del modello, dove il parametro d viene scelto nella fase precedente, mentre p e q si possono identificare mediante l'analisi delle funzioni di autocorrelazione parziale e totale; 3. * Stima dei parametri: stima dei parametri del modello ARIMA con il metodo della massima verosimiglianza o dei minimi quadrati; 4. * Verifica del modello: controllo sui residui del modello stimato per verificare se sono una realizzazione campionaria di un processo rumore bianco a componenti gaussiane. (it) ボックス・ジェンキンス法（ボックス・ジェンキンスほう、Box–Jenkins method）は、統計家のジョージ・ボックスとグウィリム・ジェンキンスにちなんで名付けられたもので、時系列分析に自己回帰移動平均（ARMA）モデルまたは自己回帰和分移動平均（ARIMA）モデルを適用して、過去の時系列データに対する時系列モデルに最も適合するものを求めるものである。 (ja) 시계열분석에서 박스-젠킨스(Box–Jenkins) 방법은 자동회귀이동평균(ARMA) 또는 자동회귀누적이동평균(ARIMA) 모델을 적용하여 시계열 과거 값에 대한 시계열 모델 최적합을 찾는다. 통계학자 조지 박스와 젠킨스(Gwilym Jenkins)의 이름을 따서 명명되었다. (ko) |
| dbo:wikiPageExternalLink | http://robjhyndman.com/papers/BoxJenkins.pdf http://support.sas.com/resources/papers/proceedings13/454-2013.pdf https://web.archive.org/web/20070318000551/http:/statistik.mathematik.uni-wuerzburg.de/timeseries/ http://www.itl.nist.gov/div898/handbook/pmc/section4/pmc445.htm |
| dbo:wikiPageID | 2399066 (xsd:integer) |
| dbo:wikiPageLength | 12621 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1097332080 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Scale_(ratio) dbr:Time_series dbr:Non-linear_least-squares_estimation dbr:John_Wiley_&_Sons dbr:Confidence_interval dbr:Maximum_likelihood_estimation dbr:Statistician dbr:Model_selection dbr:NIST dbr:Ljung–Box_test dbr:Stationary_process dbr:Autocorrelation dbr:Autoregressive_integrated_moving_average dbc:Time_series_models dbr:White_noise dbr:Akaike_information_criterion dbr:Curve_fitting dbr:Journal_of_Forecasting dbr:Statistical_graphics dbr:Random_variable dbr:Gwilym_Jenkins dbr:Autoregressive_model dbr:Time_series_analysis dbr:Autocorrelation_function dbr:Seasonality dbr:Statistical_model_validation dbr:Seasonal_subseries_plot dbr:Autocorrelation_plot dbr:Autoregressive_moving_average dbr:Autoregressive_moving_average_model dbr:Run_sequence_plot dbr:Parameter_estimation dbr:Partial_autocorrelation dbr:George_Box dbr:AR(1) dbr:ARIMA dbr:Model_identification dbr:Spectral_plot dbr:Moving_average_model |
| dbp:wikiPageUsesTemplate | dbt:NIST-PD dbt:Authority_control dbt:Citation dbt:Reflist dbt:Short_description |
| dct:subject | dbc:Time_series_models |
| rdf:type | owl:Thing |
| rdfs:comment | In time series analysis, the Box–Jenkins method, named after the statisticians George Box and Gwilym Jenkins, applies autoregressive moving average (ARMA) or autoregressive integrated moving average (ARIMA) models to find the best fit of a time-series model to past values of a time series. (en) En el análisis de series de tiempo, la metodología de Box-Jenkins, nombrada así en honor a los estadísticos George E. P. Box y , se aplica a los modelos autorregresivos de media móvil ARMA o a los modelos autorregresivos integrados de media móvil (ARIMA) para encontrar el mejor ajuste de una serie temporal de valores, a fin de que los pronósticos sean más acertados. (es) ボックス・ジェンキンス法（ボックス・ジェンキンスほう、Box–Jenkins method）は、統計家のジョージ・ボックスとグウィリム・ジェンキンスにちなんで名付けられたもので、時系列分析に自己回帰移動平均（ARMA）モデルまたは自己回帰和分移動平均（ARIMA）モデルを適用して、過去の時系列データに対する時系列モデルに最も適合するものを求めるものである。 (ja) 시계열분석에서 박스-젠킨스(Box–Jenkins) 방법은 자동회귀이동평균(ARMA) 또는 자동회귀누적이동평균(ARIMA) 모델을 적용하여 시계열 과거 값에 대한 시계열 모델 최적합을 찾는다. 통계학자 조지 박스와 젠킨스(Gwilym Jenkins)의 이름을 따서 명명되었다. (ko) Die Box-Jenkins-Methode oder das Box-Jenkins-Programm geht auf George E. P. Box und Gwilym M. Jenkins und ihr Buch aus dem Jahre 1970 Time Series Analysis - Forecasting and Control zurück. Es markierte eine neue Epoche in der Zeitreihenanalyse. Im Gegensatz zum vorher vorherrschenden Trendmodell, das einen deterministischen Prozess unterstellte, gehen Box und Jenkins von einem stochastischen Prozess (siehe ARMA-Modell) aus, mit dessen Hilfe die Modellierung einer Zeitreihe erfolgt. Eine wichtige Konsequenz dieses Ansatzes ist, dass (zufällige) Schocks eine dauerhafte Wirkung auf spätere Zeitreihenwerte haben können. Dieses ist vor allem für ökonomische Zeitreihen eine realitätsnähere Annahme. (de) In statistica, considerato il modello ARIMA(p,q,d) con p, q, d interi non negativi, si definisce una procedura per lo studio del modello denominata metodo di Box e Jenkins che si distingue in quattro fasi: (it) |
| rdfs:label | Box-Jenkins-Methode (de) Box–Jenkins method (en) Metodología de Box-Jenkins (es) Metodo di Box-Jenkins (it) ボックス・ジェンキンス法 (ja) 박스-젠킨스 방법 (ko) |
| owl:sameAs | wikidata:Box–Jenkins method dbpedia-de:Box–Jenkins method dbpedia-es:Box–Jenkins method dbpedia-it:Box–Jenkins method dbpedia-ja:Box–Jenkins method dbpedia-ko:Box–Jenkins method https://global.dbpedia.org/id/52nZ6 |
| prov:wasDerivedFrom | wikipedia-en:Box–Jenkins_method?oldid=1097332080&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-en:Box–Jenkins_method |
| is dbo:wikiPageRedirects of | dbr:Box-Jenkins dbr:Box–Jenkins dbr:Box–Jenkins_model dbr:Box-Jenkins_method dbr:Box-Jenkins_model dbr:Box_jenkins |
| is dbo:wikiPageWikiLink of | dbr:Box-Jenkins dbr:Box–Jenkins dbr:Box–Jenkins_model dbr:Box-Jenkins_method dbr:Glossary_of_probability_and_statistics dbr:Marketing_engineering dbr:Autoregressive_integrated_moving_average dbr:Gun_control dbr:Economic_data dbr:Autoregressive–moving-average_model dbr:Moving-average_model dbr:Outline_of_statistics dbr:Box-Jenkins_model dbr:Box_jenkins |
| is foaf:primaryTopic of | wikipedia-en:Box–Jenkins_method |