Estoy tratando de analizar algunos datos de series temporales ruidosas en R. Los datos se basan en la emisión de CO2 de los animales y muestran una especie de periodicidad cíclica que me gustaría caracterizar. Me gustaría probar las hipótesis:Prueba de periodicidad de datos biológicos ruidosos: ¿importancia del periodograma?
H0: No hay emisión cíclica de CO2 (es decir, no más que al azar).
H1: Hay un patrón de emisión de CO2 en ciclos o pulsos.
Para hacer esto he importado los datos en R, los convertí en una clase de serie de tiempo y tracé su periodograma.
t25a <- read.table("data.txt", header=TRUE, sep="\t")
t1 <- ts(t25a$Co2)
plot(t1)
spec.pgram(t1, spans=4, log="no")
Esto es lo que parece, con los datos en bruto representan en la parte superior y el periodograma debajo:
En la figura inferior, puedo ver cuatro o cinco picos algo-distintas que indican un componente de frecuencia en los datos. Mi pregunta es: ¿son todos igualmente "importantes"? ¿Hay alguna manera de probar si los picos observados son significativamente diferentes entre sí o de las predicciones de la hipótesis nula? Todo lo que sé hacer es encontrar la frecuencia asociada con esos picos, pero me gustaría un método más objetivo para determinar cuántos picos "significativos" realmente existen en los datos.
¿Entiende cuáles son las unidades de un espectro de potencia, sí? [unidades ** 2/Hz] Puede pensar en el espectro integrado como la varianza de las series temporales originales, por lo que si un pico es más grande que otro, tiene más energía (señal) en esa frecuencia que el otro. Entonces, el "significado" no es realmente una pregunta significativa. Y realmente deberías estar usando un esquema de reducción progresiva, y trazar la frecuencia logarítmica (en este caso). –
@AndyBarbour Primero, las unidades. Mi entendimiento es que el eje y en el periodograma anterior es una medida de poder y que el eje x es la frecuencia inversa. ¿De dónde viene el * 2 en sus unidades * 2/Hz? Como una medida de la importancia relativa de los diferentes componentes de la señal, ¿podría considerar la relación entre un pico integrado y el área total? –
Eche un vistazo al Teorema de Parseval, o trabaje con la transformada de Fourier en una función analítica para demostrar fácilmente las unidades. Las unidades en el gráfico son probablemente, para y, en dB en relación con 1 unidad ** 2/Hz, y para x, 0 en la frecuencia de Nyquist. Depende de qué pregunta quiera responder, pero los picos probablemente sean ciclos reales en los datos (solo mediante la inspección de sus series de tiempo). –