Tijdreeksanalyse: verschil tussen versies

Verwijderde inhoud Toegevoegde inhoud
Geen bewerkingssamenvatting
Regel 20:
Modellen voor tijdreeksgegevens kunnen vele vormen aannemen en vertegenwoordigen verschillende [[Stochastisch proces|stochastische processen]]. Bij het modelleren van schommelingen in het niveau van een proces, drie brede categorieën van praktisch belang zijn de [[autoregressief model|autoregressieve (AR)-modellen]], de [[geïntegreerd model|geïntegreerde (I) modellen]], en de [[voortschrijdend gemiddelde|voortschrijdend gemiddelde (MA) modellen]]. Deze drie categorieën zijn ieder [[lineair afhankelijk]] van de voorgaande niveaus van het proces. Combinaties van deze ideeën zijn het [[autoregressief voortschrijdend gemiddelde model|autoregressieve voortschrijdend gemiddelde (ARMA) model]] en het [[autoregressief geïntegreerd voortschrijdend gemiddelde model|autoregressieve geïntegreerde voortschrijdend gemiddelde (ARIMA) model]].
 
Er zijn ook non-lineaire moddelen. Voorbeelden hiervan zijn modellen die [[heteroskedasticiteit]] vertegenwoordigen. Dit zijn de [[autoregressief heteroskedastisch model|autoregressiefautoregressieve heteroskedastischheteroskedastische (ARCH) modellen]] en deze vertegenwoordigen een grote verzameling van modellen (bijv. GARCH en TARCH). In deze modellen is er ook een verandering in variabiliteit mogelijk.
 
=== Notatie ===