이것은 레시피보다 로드맵보다 도움이 될만한 일반적인 제안입니다.

• 내 본능은 반복 모델 개발에 적합하기 때문에 베이지안 계층 적 모델을 구축하는 것이 될 것입니다. 나는 당신이 당신이 따르는 모든 종과 휘파람이있는 기존 모델을 찾을 것이라고 생각하지 않습니다. 그러나 이것은 가설 검정을 어렵게 만듭니다. 가설 검정이 얼마나 필요한지 모르겠습니다.
• 곤충이 어떻게 행동하는지 머리에 작은 비공식 모델이있는 것 같습니다. “피곤해”와 같은 말을하고 동물이 더 많은 에너지를 가지고 있기 때문에 기온이 주파수를 더 높게 만든다는 것을 알고 있습니다. 곤충이 노래를 만드는 방법에 대해 약간의 생성 모델을 가지고있는 것처럼 들립니다.
• 문제는 “한 번에”모델링하기에는 너무 복잡하게 들립니다. 나는 당신이 단편적인 것을 쌓아야한다고 생각합니다. 나는 “강력한 단순한 가정”으로 시작할 것이다. 즉, 간단한 모델을 가지고 나면 나중에 다시 추가 할 계획으로 데이터 세트의 복잡성을 대부분 버린다.

먼저 버스트 단위로 하위 단위 주파수를 (평균 주파수, 주파수 추세) 쌍으로 사전 처리하는 것과 같은 작업을 수행합니다.이를 OLS로 수행하고 주파수 평균과 추세를 모델링합니다. 서브 유닛 자체보다는 버스트. 또는 소단위의 수가 곤충이 얼마나 피곤한지와 관련이 있다면 (평균, 추세, 소단위의 #) 할 수 있습니다. 그런 다음 버스트의 평균 및 추세 분포가 기록의 평균, 추세에 의해 결정되는 베이지안 계층 구조 모델을 구축하고, 이는 차례로 위치의 평균, 추세에 의해 결정됩니다.

그런 다음 기록 평균 / 추세에 대한 요소로 온도를 추가하십시오.

이 간단한 모델을 사용하면 온도와 위치에 따라 기록에서 개별 버스트의 평균과 추세를 볼 수 있습니다. 이것을 시도해보십시오.

그런 다음이 위치와 기록에 의해 결정되는 변수로 이것을 추가하여 버스트의 평균 주파수 (또는 버스트 사이의 조용한 시간을 나누어서 추세) 간의 차이를 추정하려고합니다. 다음 단계는 기록 내의 버스트 평균의 AR 모델입니다.

버스트의 특성 (모든 정보가 평균과 추세로 제공됨)에 대한 몇 가지 사전 및 매우 강력한 가정을 고려할 때이 기본 모델은 다음과 같이 알려줍니다.

• 버스트의 평균 주파수는 위치와 온도에 따라 다른 위치에 따라 어떻게 다른가
• 버스트 내 추세는 위치에 따라 위치와 온도에 따라 어떻게 다른가요?
• 외부 버스트 추세는 위치에 따라 위치와 온도에 따라 어떻게 다른가요?

이런 식으로 작동하면 하위 유닛 자체를 모델링하고 원래의 OLS 추정치를 버릴 때입니다. 이 시점의 데이터를보고 어떤 종류의 시계열 모델이 적합한 지에 대한 아이디어를 얻고 (평균, 추세) 쌍이 아닌 시계열 모델의 매개 변수를 모델링합니다.

답변