Podezřelé časové značky

Interval spolehlivosti (CI) pro čas transakce může odhalit podezřelou časovou značku. Odhadem parametrů mu a kappa von Misesova rozdělení na základě předchozích časových značek lze vypočítat hustotu (neboli pravděpodobnost) nové časové značky.

Dataset ts obsahující všechny časové značky a balíček circular jsou již načteny. Odhady (estimates) prvních 24 časových značek jsou dostupné v tvém pracovním prostředí, stejně jako hladina pravděpodobnosti alpha nastavená na 95 %.

Toto cvičení je součástí kurzu

Detekce podvodů v R

Zobrazit kurz

Pokyny k cvičení

Získej periodický průměr (mu) a koncentraci (kappa) z prvních 24 odhadů.
Pomocí dvonmises() odhadni hustoty všech časových značek v ts.
Pomocí dvonmises() a qvonmises() urči 95% prahovou hodnotu pro (1 - alpha)/2). V případě potřeby se podívej na snímky z přednášky!
Definuj proměnnou time_feature: její hodnota má být true, pokud jsou hustoty větší nebo rovny prahové hodnotě, a false v opačném případě. Odešli odpověď a zjisti, které časové značky leží mimo 95% interval spolehlivosti.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Estimate the periodic mean and concentration on the first 24 timestamps
p_mean <- ___ %% 24
concentration <- ___

# Estimate densities of all 25 timestamps
densities <- ___(___, mu = ___, kappa = ___)

# Check if the densities are larger than the cutoff of 95%-CI
quantile <- ___((1 - ___)/2, mu = p_mean, kappa = concentration)
cutoff <- ___(___, mu = ___, kappa = ___)

# Define the variable time_feature
time_feature <- ___ >= ___
print(cbind.data.frame(ts, time_feature))

Upravit a spustit kód