Verdachte tijdstempels

Een betrouwbaarheidsinterval (CI) voor het tijdstip van een transactie kan een verdachte tijdstempel aangeven. Door de parameters mu en kappa van de von Mises-verdeling te schatten op eerdere tijdstempels, kun je de dichtheid (of waarschijnlijkheid) van een nieuwe tijdstempel berekenen.

De gegevensset ts met alle tijdstempels en het pakket circular zijn al geladen. De estimates van de eerste 24 tijdstempels zijn beschikbaar in je werkruimte, evenals het betrouwbaarheidsniveau alpha dat is ingesteld op 95%.

Deze oefening maakt deel uit van de cursus

Fraudedetectie in R

Cursus bekijken

Oefeninstructies

Haal het periodieke gemiddelde (mu) en de concentratie (kappa) op van de eerste 24 schattingen.
Gebruik dvonmises() om de dichtheden van alle tijdstempels in ts te schatten.
Gebruik dvonmises() en qvonmises() om de 95%-afkapwaarde te bepalen voor (1 - alpha)/2). Raadpleeg de dia's indien nodig!
Definieer de variabele time_feature: die moet true zijn als de dichtheden groter dan of gelijk aan de afkapwaarde zijn en anders false. Antwoord verzenden om te zien welke tijdstempels buiten het 95%-betrouwbaarheidsinterval vallen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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))

Code bewerken en uitvoeren