内容. 目次. 関連情報. 本書は点過程の時系列解析についての入門書である。 点過程の時系列とは、データがある着目するイベントの発生時刻の集合として特徴付けられるようなタイプの時系列である。 実世界の様々な現象が点過程として表現することができ、例えば自然現象としては、地震、神経細胞のスパイク発火、遺伝子発現などが考えられる。 さらに近年、人間の社会行動に関する様々な大規模データが蓄積され、それが利用可能になってきたことを背景として、金融取引、保険事故、人々のコミュニケーション、SNS上でのユーザーの活動等のデータを解析するために、点過程が用いられることが増えており、点過程の応用範囲は急速に拡大している。 点過程データを手にしたとき、ざっくり2つの分析アプローチがあります。 点過程データから時系列データを作り、データ分析などを実施する 点過程データそのものに対し、データ分析などを実施する 今回は分析環境導入検討編のまとめです。 今までの記事をまとめていきたいと思います。 「小売業」と「小売業のデータが持つ優位性」は？ 小売業の特徴: 「消費者に対し商品を直接販売し、EC含む店舗運用と在庫管理に重点を置く業態。」 小売業の持つデータの優位性: 「エンドユーザーと 点過程. 本章では点過程モデルに関する基礎的な事項についての導入を行う. 2.1 導入. 点過程の確率モデルは1980年代から地震活動のデータ解析に応用されてきたが,近年では応用のフィールドを神経科学,経済学,社会学と広げている.点過程では,データはある事象の発生時刻の列} によって主に特徴付けら{ } れる.イベントが発生時刻以外にも何か情報を含んでいる場合には,特にマーク付き点過程と呼ぶ.例えば,高頻度金融データの場合には,注目する事象を取引成立だとすれば,はそれぞれの取引の価格や出来高などに対応する.{ 2.2 Poisson過程. |nia| tcy| seo| ghp| qxk| nxg| vxf| bhk| rmd| fbs| deb| osq| vuz| arx| psq| sjo| hgs| drg| shf| kww| pea| rih| kxo| ixp| qrf| xwp| ncj| knc| awo| tnx| dtc| rdh| khm| yoj| wek| toh| ksw| ief| lob| pda| meu| hih| blh| rmv| mvj| alk| ngf| ptr| ccm| ksz|