11 我拥有每周收到的电话总数,并将其绘制在图表上,可以追溯到近3年。 肉眼看来,圣诞节期间下降了很多,似乎还没有恢复,似乎请求量有了很大的变化。 我可以做一个可以量化这种差异的测试吗? 干杯 本 time-series statistical-significance change-point — Oharab source 2 探索变更点标记可能会给您一些想法。 — whuber
11 PyMC教程中使用了一个非常相似的示例。如果您假设每天的请求量在某个时间点(也许恰好是圣诞节)之前是恒定的,而在此之后再次保持不变,那么您所要做的就是替换示例中的数字:http://pymc.googlecode。 com / svn / doc / tutorial.html 由于这是贝叶斯方法,因此您不会(轻松)获得p值。但是,降级的大小及其可信区间(这是贝叶斯区间,类似于置信区间)可能同样有用。 — 加博古利亚 source 所有人都问:在研究人员选择了圣诞节分割点之前,可以受益于查看整个系列,这一事实是否会损害在前后进行简单T检验的想法?除此之外,您是否会推荐比GaBorgulya更简单的方法?而且我不确定安装2个ARIMA模型是否会简单得多。 — rolando2'2011-4-17