Yo intente encontrar el menor tamaño de la ventana para el cálculo de los valores estadísticos sobre un arroyo. Para ilustrar mi problema: puedo grabar el automóvil promedio cuentas por la marca en una calle con diferentes ventanas correderas. Los siguientes gráficos muestran el valor promedio de uso de ventanas correderas de 90 a 7200 segundos. Por supuesto, las cifras absolutas son diferentes, ya que si la ventana es más grande, a continuación, más los valores pueden ser contadas, pero las series de tiempo de progreso se ven muy similares. Por lo tanto supongo que el tamaño de la ventana de 90 segundos es suficiente para decentemente reflejan el promedio de coche recuento de cada marca.
Ahora mi pregunta es, por lo tanto, ¿cómo hago para no sólo visualmente, sino proporcionar correctamente la evidencia estadística para la similitud de los datos de series de tiempo y determinar una razonable disminuir el tamaño de la ventana deslizante?
O que decir, ¿por qué debería "slow down" de mi sistema con los datos de una 7200 segunda ventana, si es que puede hacerlo todo con los datos de 90 segundos.
El histograma de los datos sugieren que los datos no siguen una distribución normal, por lo tanto he utilizado análisis de correlación de Spearman. Los valores de correlación son todos por encima de 0.8, lo que apoyaría a mi reclamo. Pero es esta prueba razonable para este propósito y son los métodos más apropiados para este tipo de análisis?
ARMA o que debo hacer pruebas en las distribuciones de la media móvil de valores, como la prueba de Kruskal-Wallis para la distribución de la misma o de la prueba de Levene para las variaciones?
