La presenza della memoria lunga

Una delle sfide pi grandi nell'analisi dei dati la selezione del modello pi appropriato per un determinato set di dati. Nella pratica, la specificazione errata del modello ha spesso portato a conclusioni errate nella scienza dei dati. Questo studio confronta l'efficienza della modellizzazione di una serie temporale con propriet di memoria lunga stagionale utilizzando i modelli SARIMA, ARFIMA e SARFIMA. Per l'illustrazione sono stati utilizzati i dati relativi alla temperatura media mensile globale. La serie di temperature ha mostrato segni di memoria lunga, poich il grafico ACF diminuito lentamente dopo un'ulteriore analisi. L'esponente di Hurst ottenuto dall'analisi R/S ha confermato la presenza di memoria lunga. L'ACF ha mostrato un decadimento esponenziale e un andamento sinusoidale, suggerendo sia la non stazionariet che la stagionalit . Sono stati condotti test di stazionariet e stagionalit per verificare queste osservazioni. Infine, sono stati applicati i criteri AIC e BIC per valutare l'efficienza di tutti e tre i modelli e i risultati hanno indicato che, in presenza sia di stagionalit che di memoria lunga, il modello SARFIMA ha funzionato in modo pi efficiente.