Marcaje temporale suspecte

Un interval de încredere (CI) pentru momentul unei tranzacții poate indica un marcaj temporal suspect. Estimând parametrii mu și kappa ai distribuției von Mises pe baza marcajelor temporale anterioare, poți calcula densitatea (sau probabilitatea) unui marcaj temporal nou.

Setul de date ts, care conține toate marcajele temporale, și pachetul circular sunt deja încărcate. estimates pentru primele 24 de marcaje temporale sunt disponibile în spațiul tău de lucru, la fel ca nivelul de probabilitate alpha setat la 95%.

Acest exercițiu face parte din cursul

Detecția fraudelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Obține media periodică (mu) și concentrația (kappa) din primele 24 de estimări.
Folosește dvonmises() pentru a estima densitățile tuturor marcajelor temporale din ts.
Folosește dvonmises() și qvonmises() pentru a determina valoarea-prag de 95% pentru (1 - alpha)/2). Consultă slide-urile dacă este necesar!
Definește variabila time_feature: aceasta trebuie să fie adevărată dacă densitățile sunt mai mari sau egale cu pragul și falsă în caz contrar. Trimite răspunsul pentru a vedea care marcaje temporale se află în afara intervalului de încredere de 95%.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))

Editează și rulează codul