Dấu thời gian đáng ngờ
Khoảng tin cậy (CI) cho thời điểm giao dịch có thể cho thấy một dấu thời gian đáng ngờ. Bằng cách ước lượng các tham số mu và kappa của phân phối von Mises trên các dấu thời gian trước đó, bạn có thể tính mật độ (hoặc khả năng xảy ra) của một dấu thời gian mới.
Bộ dữ liệu ts chứa tất cả dấu thời gian và gói circular đã được nạp. estimates của 24 dấu thời gian đầu tiên có sẵn trong không gian làm việc của bạn, cùng với mức xác suất alpha đặt là 95%.
Bài tập này là một phần của khóa học
Phát hiện gian lận với R
Hướng dẫn bài tập
- Lấy trung bình chu kỳ (
mu) và độ tập trung (kappa) của 24 ước lượng đầu tiên. - Dùng
dvonmises()để ước lượng mật độ của tất cả dấu thời gian trongts. - Dùng
dvonmises()vàqvonmises()để xác định giá trị ngưỡng 95% cho(1 - alpha)/2). Tham khảo các slide nếu cần! - Định nghĩa biến
time_feature: biến này phải đúng nếu mật độ lớn hơn hoặc bằng ngưỡng, và sai nếu không. Gửi câu trả lời để xem những dấu thời gian nào nằm ngoài khoảng tin cậy 95%.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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))