{"id":649,"date":"2018-04-17T13:34:15","date_gmt":"2018-04-17T11:34:15","guid":{"rendered":"https:\/\/www.hsu-hh.de\/mathstat\/?page_id=649"},"modified":"2026-02-17T09:35:53","modified_gmt":"2026-02-17T08:35:53","slug":"diskretwertigezeitreihen","status":"publish","type":"page","link":"https:\/\/www.hsu-hh.de\/mathstat\/forschung\/projekte\/diskretwertigezeitreihen","title":{"rendered":"Diskretwertige Zeitreihen"},"content":{"rendered":"\n

Unter einer Zeitreihe<\/strong> versteht man eine zeitlich geordnete Folge von Beobachtungen, von der man annimmt, dass sie Realisation eines zugrundeliegenden stochastischen Prozesses ist. Um in der Lage zu sein, zuk\u00fcnftige Werte vorherzusagen, oder um den weiteren Verlauf des Prozesses mit dem Ziel zu \u00fcberwachen, strukturelle \u00c4nderungen schnellstm\u00f6glich aufzudecken, ist eine Modellierung des Prozesses von zentraler Bedeutung, welche wiederum eine eingehende statistische Analyse der verf\u00fcgbaren Zeitreihe voraussetzt.<\/p>\n\n\n\n

Sp\u00e4testens mit dem wegweisenden Buch von Box & Jenkins (1970) ist die Zeitreihenanalyse<\/strong> zu einer etablierten Disziplin in Forschung, Lehre und Anwendung geworden. Allerdings wurde \u00fcber lange Zeit hinweg eine Zeitreihe automatisch als reellwertig angenommen, so dass sich Fachb\u00fccher zur Zeitreihenanalyse bis zum heutigen Tag nahezu ausschlie\u00dflich mit diesem Fall befassen. In Anwendungen dagegen ist man h\u00e4ufig mit Zeitreihen aus diskretwertigen Beobachtungen konfrontiert, etwa mit Zeitreihen aus Z\u00e4hldaten oder gar qualitativen Zeitreihen mit nominalem oder ordinalem Wertebereich. In derartigen F\u00e4lle k\u00f6nnen die \u00fcblichen Modelle und Verfahren f\u00fcr reellwertige Zeitreihen nicht angewandt werden.<\/p>\n\n\n\n

Erst in den vergangenen etwa 25 Jahren hat sich ein stetig wachsendes Interesse in Forschung und Praxis bez\u00fcglich diskretwertiger Zeitreihen<\/strong> entwickelt. Dabei wurden zahlreiche Modelle und Ans\u00e4tze zur statistischen Analyse diverser Typen von diskretwertigen Zeitreihen entwickelt.<\/p>\n\n\n\n

Einf\u00fchrendes Buch zu diskretwertigen Zeitreihen:<\/h2>\n\n\n\n
\"\"<\/div>
Christian H. Wei\u00df
An Introduction to Discrete-Valued Time Series<\/strong>
John Wiley & Sons, Inc., Chichester, 2018.
304 pages, hardcover. ISBN<\/abbr> 978-1-119-09696-2

Publisher’s website \u00bb<\/a>
R codes \u00bb<\/a>
Datasets \u00bb<\/a><\/div><\/div>\n\n\n\n

Open-Access-\u00dcberblicksartikel in „WIREs Computational Statistics“:<\/h3>\n\n\n\n

Wei\u00df, C.H.: Stationary Count Time Series Models.
WIREs Computational Statistics<\/a> 13(1), e1502, 2021.<\/p>\n\n\n\n

Beitr\u00e4ge zur Enzyklop\u00e4die „Wiley StatsRef“:<\/h3>\n\n\n\n

In der Enzyklop\u00e4die Wiley StatsRef: Statistics Reference Online<\/a> (Balakrishnan et al. (eds.), John Wiley & Sons Ltd) sind 2018 f\u00fcnf Beitr\u00e4ge \u00fcber diskretwertige Zeitreihen erschienen:<\/p>\n\n\n\n