This HTML5 document contains 197 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dbthttp://dbpedia.org/resource/Template:
n49http://zbw.eu/stw/descriptor/
wikipedia-enhttp://en.wikipedia.org/wiki/
n38http://statsmodels.sourceforge.net/
dbrhttp://dbpedia.org/resource/
n45https://cran.r-project.org/web/views/
n37http://constantdream.wordpress.com/2008/03/16/gnu-regression-econometrics-and-time-series-library-gretl/
dbpedia-arhttp://ar.dbpedia.org/resource/
dbpedia-frhttp://fr.dbpedia.org/resource/
skoshttp://www.w3.org/2004/02/skos/core#
dcthttp://purl.org/dc/terms/
rdfshttp://www.w3.org/2000/01/rdf-schema#
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
dbphttp://dbpedia.org/property/
xsdhhttp://www.w3.org/2001/XMLSchema#
n19http://finzi.psych.upenn.edu/R/library/tseries/html/
dbpedia-ukhttp://uk.dbpedia.org/resource/
n44https://cran.r-project.org/web/packages/
dbohttp://dbpedia.org/ontology/
dbpedia-vihttp://vi.dbpedia.org/resource/
dbpedia-pthttp://pt.dbpedia.org/resource/
n28https://github.com/joefowler/
dbpedia-jahttp://ja.dbpedia.org/resource/
dbchttp://dbpedia.org/resource/Category:
dbpedia-dehttp://de.dbpedia.org/resource/
dbpedia-plhttp://pl.dbpedia.org/resource/
n40https://cran.r-project.org/web/packages/forecast/
yagohttp://dbpedia.org/class/yago/
dbpedia-ruhttp://ru.dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/
n5https://global.dbpedia.org/id/
n41http://www.mathworks.com/help/ident/ref/
n51http://zbw.eu/stw/mapping/dbpedia/
dbpedia-ithttp://it.dbpedia.org/resource/
provhttp://www.w3.org/ns/prov#
foafhttp://xmlns.com/foaf/0.1/
n22https://web.archive.org/web/20110930032431/http:/support.sas.com/rnd/app/ets/proc/
n43http://www.mathworks.com/help/ident/ug/
n12http://su.dbpedia.org/resource/
dbpedia-zhhttp://zh.dbpedia.org/resource/
n36http://www.mathworks.com/help/econ/
n11http://octave.sourceforge.net/
dbpedia-fahttp://fa.dbpedia.org/resource/
dbpedia-trhttp://tr.dbpedia.org/resource/
dbpedia-glhttp://gl.dbpedia.org/resource/
n23https://archive.org/details/
dbpedia-eshttp://es.dbpedia.org/resource/
n47http://www.numericalmethod.com/javadoc/suanshu/
freebasehttp://rdf.freebase.com/ns/
n21https://www.stata.com/
n7http://search.r-project.org/R/library/stats/html/
owlhttp://www.w3.org/2002/07/owl#

Statements

Subject Item
dbr:Electricity_price_forecasting
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:List_of_dynamical_systems_and_differential_equations_topics
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:MUSIC_(algorithm)
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Megan_Jill_Russell
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Partial_autocorrelation_function
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Arma
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Intertemporal_portfolio_choice
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Order_of_integration
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Unit_root
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Georgios_B._Giannakis
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Marketing_engineering
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_integrated_moving_average
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Forecasting
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Kevin_Warwick
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_fractionally_integrated_moving_average
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive–moving-average_model
rdf:type
yago:PhysicalEntity100001930 yago:Organism100004475 yago:Assistant109815790 yago:YagoLegalActor yago:YagoLegalActorGeo yago:LivingThing100004258 yago:Worker109632518 yago:CausalAgent100007347 yago:Whole100003553 yago:Model110324560 yago:WikicatTimeSeriesModels yago:Object100002684 yago:Person100007846
rdfs:label
Модель авторегрессии — скользящего среднего Autoregresja 自己回帰移動平均モデル نموذج الانحدار الذاتي والمتوسط المتحرك ARMA Modello autoregressivo a media mobile ARMA-Modell Autoregressive–moving-average model ARMA模型 Модель авторегресії — ковзного середнього Modelo autorregresivo de media móvil ARMA
rdfs:comment
ARMA-Modelle (ARMA, Akronym für: AutoRegressive-Moving Average, deutsch autoregressiver gleitender Durchschnitt, oder autoregressiver gleitender Mittelwert) bzw. autoregressive Modelle der gleitenden Mittel und deren Erweiterungen (ARMAX-Modelle und ARIMA-Modelle) sind lineare, zeitdiskrete Modelle für stochastische Prozesse. Sie werden zur statistischen Analyse von Zeitreihen besonders in den Wirtschafts-, Sozial- und Ingenieurwissenschaften eingesetzt. Die Spezifikation, Schätzung, Validierung und praktische Anwendung von ARMA-Modellen werden im Box-Jenkins-Ansatz behandelt. Als wichtigste Anwendung gilt die kurzfristige Vorhersage. Diese Modelle haben die Form von linearen Differenzengleichungen und dienen dazu, lineare stochastische Prozesse abzubilden bzw. komplexere Prozesse zu appro نموذج الانحدار الذاتي والمتوسط المتحرك (بالإنجليزية: AutoRegressive Moving Average model)‏، اختصارا (آرما ARMA)، أو نموذج بوكس جينكنز، هو طريقة للتحليل الإحصائي، تستعمل في نمذجة ووصف واستشراف المتسلسلات الزمنية. تتمثل نمذجة آرما، في كتابة العملية التصادفية المستقرة للمتسلسلة المدروسة على شكل مجموع متعددتي حدود: (AR) (MA). النموذج العام للطريقة، تم تقعيده نظريا، في 1951، في أطروحة الإحصائي النيوزلندي اختبار الفرضيات في تحليل المتسلسلات الزمنية، قبل أن تعمم في 1971، في كتاب للإحصائيين جورج بوكس وغويليم جينكنز. يشار لنموذج آرما ب ، بحيث p درجة الجزء الذاتي الانحدار وq درجة جزء المتوسط المتحرك. У статистичному аналізі часових рядів моделі авторегресії — ковзного середнього (АРКС, англ. autoregressive–moving-average models, ARMA) пропонують економний опис (слабко) стаціонарного стохастичного процесу в термінах двох многочленів, одного для (АР), а другого — для (КС). Загальну модель АРКС було описано 1951 року в дисертації «Перевірка гіпотез в аналізі часових рядів» і популяризовано в книзі та 1970 року. Моделі АРКС може бути оцінювано за допомогою . ARMA模型（英語：Autoregressive moving average model，全稱：自我迴歸滑動平均模型）。是研究时间序列的重要方法，由自迴歸模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。 En estadística, los modelos autorregresivos de media móvil (en inglés AutoRegressive Moving Average models, abreviados ARMA), también llamados Modelos Box-Jenkins, se aplican a series temporales de datos. Dada una serie temporal de datos Xt, el modelo ARMA es una herramienta para entender y, aún más, para predecir futuros valores de la serie. El modelo está formado por dos partes, una parte autorregresiva (AR) y otra de media móvil (MA). El modelo se conoce con el nombre de modelo ARMA (p,q), donde p es el orden de la parte autorregresiva y q es el orden de la parte de media móvil. Модель авторегрессии — скользящего среднего (англ. autoregressive moving-average model, ARMA) — одна из математических моделей, использующихся для анализа и прогнозирования стационарных временных рядов в статистике. Модель ARMA обобщает две более простые модели временных рядов — модель авторегрессии (AR) и модель скользящего среднего (MA). In the statistical analysis of time series, autoregressive–moving-average (ARMA) models provide a parsimonious description of a (weakly) stationary stochastic process in terms of two polynomials, one for the autoregression (AR) and the second for the moving average (MA). The general ARMA model was described in the 1951 thesis of Peter Whittle, Hypothesis testing in time series analysis, and it was popularized in the 1970 book by George E. P. Box and Gwilym Jenkins. ARMA models can be estimated by using the Box–Jenkins method. Il modello autoregressivo a media mobile, detto anche ARMA, è un tipo di modello matematico lineare che fornisce istante per istante un valore di uscita basandosi sui precedenti valori in entrata e in uscita.A volte denominato modello di Box-Jenkins dal nome dei suoi inventori George Box e Gwilym Jenkins, viene utilizzato in statistica per lo studio delle serie storiche dei dati e in ingegneria dei sistemi nella modellizzazione soprattutto di sistemi meccanici, idraulici o elettronici. Autoregresja – metoda predykcji statystycznej przyszłych wartości szeregu czasowego. Jest to zwykła regresja statystyczna w której zmienna objaśniana jest przyszłą wartością z szeregu, a zmienne objaśniające to wartości szeregu czasowego z przeszłości. Często używa się najprymitywniejszej autoregresji liniowej, w której stosowany jest model regresji liniowej: gdzie: – wartości szeregu czasowego, – współczynniki modelu. Niezerowa wartość wyrazu wolnego świadczy o obecności trendu, – błąd modelu. Na análise estatística de séries temporais, modelos auto-regressivos de médias móveis (autoregressive-moving-average ou ARMA, na sigla em inglês) oferecem uma descrição parcimoniosa de um processo estocástico fracamente estacionário em termos de dois polinômios, um para a auto-regressão e outro para a média móvel. O modelo ARMA geral foi descrito pelo matemático neo-zelandês Peter Whittle em sua tese de 1951, Hypothesis testing in time series analysis, e popularizado pelos estatísticos britânicos George E. P. Box e Gwilym Jenkins em seu livro de 1970. En statistique, les modèles ARMA (modèles autorégressifs et moyenne mobile), ou aussi modèle de -Jenkins, sont les principaux modèles de séries temporelles. Étant donné une série temporelle Xt, le modèle ARMA est un outil pour comprendre et prédire, éventuellement, les valeurs futures de cette série. Le modèle est composé de deux parties : une part autorégressive (AR) et une part moyenne-mobile (MA). Le modèle est généralement noté ARMA(p,q), où p est l'ordre de la partie AR et q l'ordre de la partie MA. 自己回帰移動平均モデル（じこかいきいどうへいきんモデル、英: autoregressive moving average model、ARMAモデル）は自己回帰モデルによる線形フィードバックと移動平均モデルによる線形フィードフォワードによりシステムを表現するモデルである。George Box と G. M. Jenkins の名をとって "ボックス・ジェンキンスモデル" とも呼ばれる。 ARMAモデルは時系列データの将来値を予測するツールとして機能する。
dct:subject
dbc:Autocorrelation
dbo:wikiPageID
764848
dbo:wikiPageRevisionID
1108230487
dbo:wikiPageWikiLink
dbr:Autocorrelation_function dbr:Box–Jenkins_method dbr:Statistics dbr:Fourier_analysis dbr:Scikit-learn dbr:Vector_autoregression dbr:SAS_(software) dbr:PyFlux dbr:George_Box dbr:SuanShu dbr:Partial_autocorrelation_function dbr:Statsmodels dbr:White_noise dbr:R_(programming_language) dbr:George_E._P._Box dbr:Errors_and_residuals_in_statistics dbr:Linear_combination dbr:Box–Jenkins dbr:AR_model dbr:Gwilym_M._Jenkins dbr:Variance dbr:Mathematica dbr:Laurent_series dbr:Stationary_stochastic_process dbr:GNU_Octave dbc:Autocorrelation dbr:Nonlinear_autoregressive_exogenous_model dbr:Normal_distribution dbr:Parameter dbr:Autoregressive_integrated_moving_average dbr:Exponential_smoothing dbr:Julia_(programming_language) dbr:Bayesian_information_criterion dbr:Lag_operator dbr:Linear_predictive_coding dbr:Least_squares dbr:Time_series dbr:Infinite_impulse_response dbr:MA_model dbr:Akaike_information_criterion dbr:IMSL_Numerical_Libraries dbr:Autoregressive_model dbr:Gwilym_Jenkins dbr:Mean_reversion_(finance) dbr:Autoregressive_conditional_heteroskedasticity dbr:Autoregressive_fractionally_integrated_moving_average dbr:Predictive_analytics dbr:Stata dbr:Spectral_density dbr:Independent_and_identically_distributed_random_variables dbr:Gretl dbr:Pandas_(software) dbr:MATLAB dbr:Finite_impulse_response dbr:Peter_Whittle_(mathematician) dbr:Stationary_process
dbo:wikiPageExternalLink
n7:arima.html n11: n19:arma.html n21:help.cgi%3Farima. n22:ets_arima.html n23:timeseriestechni0000mill n28:ARMA.jl n36:arima.estimate.html n36:arma-model.html n37: n38: n40:index.html n41:ar.html n43:estimating-ar-and-arma-models.html n44:fracdiff n45:TimeSeries.html n47:
owl:sameAs
n5:2h3zi dbpedia-fa:مدل_خودهمبسته_میانگین_متحرک n12:Autoregressive_moving_average_model dbpedia-pt:ARMA dbpedia-ru:Модель_авторегрессии_—_скользящего_среднего dbpedia-de:ARMA-Modell dbpedia-fr:ARMA dbpedia-pl:Autoregresja dbpedia-vi:ARMA dbpedia-zh:ARMA模型 dbpedia-it:Modello_autoregressivo_a_media_mobile dbpedia-tr:Otoregresif_hareketli_ortalamalar_modeli dbpedia-gl:Modelo_autorregresivo_de_media_móbil dbpedia-es:Modelo_autorregresivo_de_media_móvil freebase:m.039k27 wikidata:Q290467 dbpedia-uk:Модель_авторегресії_—_ковзного_середнього dbpedia-ja:自己回帰移動平均モデル dbpedia-ar:نموذج_الانحدار_الذاتي_والمتوسط_المتحرك
dbp:wikiPageUsesTemplate
dbt:Stochastic_processes dbt:Citation_needed dbt:Citation dbt:Cite_book dbt:Main dbt:Anchor dbt:Statistics dbt:Reflist dbt:More_footnotes dbt:Redirect dbt:Short_description
dbo:abstract
ARMA模型（英語：Autoregressive moving average model，全稱：自我迴歸滑動平均模型）。是研究时间序列的重要方法，由自迴歸模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。 Il modello autoregressivo a media mobile, detto anche ARMA, è un tipo di modello matematico lineare che fornisce istante per istante un valore di uscita basandosi sui precedenti valori in entrata e in uscita.A volte denominato modello di Box-Jenkins dal nome dei suoi inventori George Box e Gwilym Jenkins, viene utilizzato in statistica per lo studio delle serie storiche dei dati e in ingegneria dei sistemi nella modellizzazione soprattutto di sistemi meccanici, idraulici o elettronici. ARMA-Modelle (ARMA, Akronym für: AutoRegressive-Moving Average, deutsch autoregressiver gleitender Durchschnitt, oder autoregressiver gleitender Mittelwert) bzw. autoregressive Modelle der gleitenden Mittel und deren Erweiterungen (ARMAX-Modelle und ARIMA-Modelle) sind lineare, zeitdiskrete Modelle für stochastische Prozesse. Sie werden zur statistischen Analyse von Zeitreihen besonders in den Wirtschafts-, Sozial- und Ingenieurwissenschaften eingesetzt. Die Spezifikation, Schätzung, Validierung und praktische Anwendung von ARMA-Modellen werden im Box-Jenkins-Ansatz behandelt. Als wichtigste Anwendung gilt die kurzfristige Vorhersage. Diese Modelle haben die Form von linearen Differenzengleichungen und dienen dazu, lineare stochastische Prozesse abzubilden bzw. komplexere Prozesse zu approximieren. نموذج الانحدار الذاتي والمتوسط المتحرك (بالإنجليزية: AutoRegressive Moving Average model)‏، اختصارا (آرما ARMA)، أو نموذج بوكس جينكنز، هو طريقة للتحليل الإحصائي، تستعمل في نمذجة ووصف واستشراف المتسلسلات الزمنية. تتمثل نمذجة آرما، في كتابة العملية التصادفية المستقرة للمتسلسلة المدروسة على شكل مجموع متعددتي حدود: (AR) (MA). النموذج العام للطريقة، تم تقعيده نظريا، في 1951، في أطروحة الإحصائي النيوزلندي اختبار الفرضيات في تحليل المتسلسلات الزمنية، قبل أن تعمم في 1971، في كتاب للإحصائيين جورج بوكس وغويليم جينكنز. يشار لنموذج آرما ب ، بحيث p درجة الجزء الذاتي الانحدار وq درجة جزء المتوسط المتحرك. Модель авторегрессии — скользящего среднего (англ. autoregressive moving-average model, ARMA) — одна из математических моделей, использующихся для анализа и прогнозирования стационарных временных рядов в статистике. Модель ARMA обобщает две более простые модели временных рядов — модель авторегрессии (AR) и модель скользящего среднего (MA). In the statistical analysis of time series, autoregressive–moving-average (ARMA) models provide a parsimonious description of a (weakly) stationary stochastic process in terms of two polynomials, one for the autoregression (AR) and the second for the moving average (MA). The general ARMA model was described in the 1951 thesis of Peter Whittle, Hypothesis testing in time series analysis, and it was popularized in the 1970 book by George E. P. Box and Gwilym Jenkins. Given a time series of data , the ARMA model is a tool for understanding and, perhaps, predicting future values in this series. The AR part involves regressing the variable on its own lagged (i.e., past) values. The MA part involves modeling the error term as a linear combination of error terms occurring contemporaneously and at various times in the past. The model is usually referred to as the ARMA(p,q) model where p is the order of the AR part and q is the order of the MA part (as defined below). ARMA models can be estimated by using the Box–Jenkins method. У статистичному аналізі часових рядів моделі авторегресії — ковзного середнього (АРКС, англ. autoregressive–moving-average models, ARMA) пропонують економний опис (слабко) стаціонарного стохастичного процесу в термінах двох многочленів, одного для (АР), а другого — для (КС). Загальну модель АРКС було описано 1951 року в дисертації «Перевірка гіпотез в аналізі часових рядів» і популяризовано в книзі та 1970 року. Для заданого часового ряду даних Xt модель АРКС є інструментом для розуміння та, можливо, передбачування майбутніх значень цього ряду. Частина АР передбачає регресування цієї змінної за її власними запізнюваними (тобто, минулими) значеннями. Частина КС передбачає моделювання члену похибки як лінійної комбінації членів похибки, що стаються в поточний момент та в різні моменти часу в минулому. На цю модель зазвичай посилаються як на модель АРКС(p, q), де p — порядок частини АР, а q — порядок частини КС (як визначено нижче). Моделі АРКС може бути оцінювано за допомогою . En statistique, les modèles ARMA (modèles autorégressifs et moyenne mobile), ou aussi modèle de -Jenkins, sont les principaux modèles de séries temporelles. Étant donné une série temporelle Xt, le modèle ARMA est un outil pour comprendre et prédire, éventuellement, les valeurs futures de cette série. Le modèle est composé de deux parties : une part autorégressive (AR) et une part moyenne-mobile (MA). Le modèle est généralement noté ARMA(p,q), où p est l'ordre de la partie AR et q l'ordre de la partie MA. En estadística, los modelos autorregresivos de media móvil (en inglés AutoRegressive Moving Average models, abreviados ARMA), también llamados Modelos Box-Jenkins, se aplican a series temporales de datos. Dada una serie temporal de datos Xt, el modelo ARMA es una herramienta para entender y, aún más, para predecir futuros valores de la serie. El modelo está formado por dos partes, una parte autorregresiva (AR) y otra de media móvil (MA). El modelo se conoce con el nombre de modelo ARMA (p,q), donde p es el orden de la parte autorregresiva y q es el orden de la parte de media móvil. Autoregresja – metoda predykcji statystycznej przyszłych wartości szeregu czasowego. Jest to zwykła regresja statystyczna w której zmienna objaśniana jest przyszłą wartością z szeregu, a zmienne objaśniające to wartości szeregu czasowego z przeszłości. Często używa się najprymitywniejszej autoregresji liniowej, w której stosowany jest model regresji liniowej: gdzie: – wartości szeregu czasowego, – współczynniki modelu. Niezerowa wartość wyrazu wolnego świadczy o obecności trendu, – błąd modelu. Na análise estatística de séries temporais, modelos auto-regressivos de médias móveis (autoregressive-moving-average ou ARMA, na sigla em inglês) oferecem uma descrição parcimoniosa de um processo estocástico fracamente estacionário em termos de dois polinômios, um para a auto-regressão e outro para a média móvel. O modelo ARMA geral foi descrito pelo matemático neo-zelandês Peter Whittle em sua tese de 1951, Hypothesis testing in time series analysis, e popularizado pelos estatísticos britânicos George E. P. Box e Gwilym Jenkins em seu livro de 1970. Dada uma série temporal de dados , o modelo ARMA é uma ferramenta para entender e, talvez, prever valores futuros nesta série. O modelo consiste em duas partes, uma parte auto-regressiva (AR) ou uma parte de média móvel (MA). A parte AR envolve regressar a variável em seus próprios valores defasados, isto é, passados. A parte MA envolve modelar o termo de erro como uma combinação linear de termos de erro que ocorrem contemporaneamente e em vários momentos no passado. O modelo é geralmente referido como o modelo ARMA, em que é a ordem da parte auto-regressiva e é a ordem da parte de média móvel. Modelos ARMA podem ser estimados seguindo a abordagem de Box–Jenkins. 自己回帰移動平均モデル（じこかいきいどうへいきんモデル、英: autoregressive moving average model、ARMAモデル）は自己回帰モデルによる線形フィードバックと移動平均モデルによる線形フィードフォワードによりシステムを表現するモデルである。George Box と G. M. Jenkins の名をとって "ボックス・ジェンキンスモデル" とも呼ばれる。 ARMAモデルは時系列データの将来値を予測するツールとして機能する。
skos:closeMatch
n49:15327-0
prov:wasDerivedFrom
wikipedia-en:Autoregressive–moving-average_model?oldid=1108230487&ns=0
dbo:wikiPageLength
19783
dct:isPartOf
n51:target
foaf:isPrimaryTopicOf
wikipedia-en:Autoregressive–moving-average_model
Subject Item
dbr:Catalog_of_articles_in_probability_theory
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Moving-average_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Urban_traffic_modeling_and_analysis
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:List_of_statistical_software
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:List_of_statistics_articles
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Noise-predictive_maximum-likelihood_detection
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Surrogate_data
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Solar_power_forecasting
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive-moving-average_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_moving-average_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_moving_average
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
dbr:Autoregressive_moving_average_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
dbr:ARMAX
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
dbr:ARMA_model
dbo:wikiPageWikiLink
dbr:Autoregressive–moving-average_model
dbo:wikiPageRedirects
dbr:Autoregressive–moving-average_model
Subject Item
wikipedia-en:Autoregressive–moving-average_model
foaf:primaryTopic
dbr:Autoregressive–moving-average_model