Resumen

Las series temporales categóricas son datos secuenciados en el tiempo en los que los valores en cada punto temporal son categorías en lugar de mediciones. Una serie temporal categórica se considera estacionaria si la distribución marginal de los datos es constante a lo largo del período de tiempo para el cual se recopilaron y la correlación entre los valores sucesivos es una función solo de su distancia entre sí y no de su posición en la serie. Sin embargo, hay muchos ejemplos de series categóricas que no cumplen con esta definición bastante fuerte de estacionariedad. Estos datos muestran varios comportamientos no estacionarios, como un cambio en la probabilidad de la ocurrencia de una o más categorías. En este artículo, presentamos un algoritmo que corrige la no estacionariedad en series temporales categóricas. El algoritmo produce series que no son estacionarias en el sentido tradicional utilizado para las series temporales categóricas estacionarias. La forma de estacionariedad es más débil pero sigue siendo útil para la estimación de parámetros. Los resultados

• Materias:Modelos de regresión Conjunto borroso Agrupamiento Factores de transcripción Modelo autorregresivo
• Subjects:Regression models Fuzzy set Clustering Transcription factors Autoregressive model
• Palabras claves:Categórico; Series de tiempo; Estacionario; Comportamiento no estacionario; Algoritmo; Estimación de parámetros
• Keywords:Categorical; Time series; Stationary; Nonstationary behavior; Algorithm; Parameter estimation