Misstänkta tidsstämplar
Ett konfidensintervall (KI) för tidpunkten för en transaktion kan peka på en misstänkt tidsstämpel. Genom att skatta parametrarna mu och kappa för von Mises-fördelningen utifrån tidigare tidsstämplar kan du beräkna tätheten (eller sannolikheten) för en ny tidsstämpel.
Datamängden ts med alla tidsstämplar och paketet circular är redan inlästa. Skattningarna estimates för de första 24 tidsstämplarna finns tillgängliga i din arbetsyta, liksom sannolikhetsnivån alpha satt till 95 %.
Den här övningen är en del av kursen
Bedrägeridetektering i R
Övningsinstruktioner
- Hämta det periodiska medelvärdet (
mu) och koncentrationen (kappa) från de första 24 skattningarna. - Använd
dvonmises()för att skatta tätheterna för alla tidsstämplar its. - Använd
dvonmises()ochqvonmises()för att bestämma gränsvärdet på 95 % för(1 - alpha)/2). Ta hjälp av Slides vid behov! - Definiera variabeln
time_feature: den ska vara sann om tätheterna är större än eller lika med gränsvärdet, annars falsk. Skicka in svar för att se vilka tidsstämplar som hamnar utanför 95 %-konfidensintervallet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))