Mostrar el registro sencillo del ítem
dc.contributor.author
Kulp, Christopher W.
dc.contributor.author
Zunino, Luciano José
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Osborne, Thomas
dc.contributor.author
Zawadzki, Brianna
dc.date.available
2018-06-19T14:54:33Z
dc.date.issued
2017-08
dc.identifier.citation
Kulp, Christopher W.; Zunino, Luciano José; Osborne, Thomas; Zawadzki, Brianna; Using missing ordinal patterns to detect nonlinearity in time series data; American Physical Society; Physical Review E; 96; 2; 8-2017; 1-10; 022218
dc.identifier.issn
2470-0053
dc.identifier.uri
http://hdl.handle.net/11336/49242
dc.description.abstract
The number of missing ordinal patterns (NMP) is the number of ordinal patterns that do not appear in a series after it has been symbolized using the Bandt and Pompe methodology. In this paper, the NMP is demonstrated as a test for nonlinearity using a surrogate framework in order to see if the NMP for a series is statistically different from the NMP of iterative amplitude adjusted Fourier transform (IAAFT) surrogates. It is found that the NMP works well as a test statistic for nonlinearity, even in the cases of very short time series. Both model and experimental time series are used to demonstrate the efficacy of the NMP as a test for nonlinearity.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
American Physical Society
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Time Series Analysis
dc.subject
Nonlinearity
dc.subject
Missing Ordinal Patterns
dc.subject
Surrogate Method
dc.subject.classification
Otras Ciencias Físicas
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias Físicas
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Using missing ordinal patterns to detect nonlinearity in time series data
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2018-06-18T21:37:00Z
dc.journal.volume
96
dc.journal.number
2
dc.journal.pagination
1-10; 022218
dc.journal.pais
Estados Unidos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.description.fil
Fil: Kulp, Christopher W.. Lycoming College; Estados Unidos
dc.description.fil
Fil: Zunino, Luciano José. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Centro de Investigaciones Ópticas. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas. Centro de Investigaciones Ópticas. Universidad Nacional de La Plata. Centro de Investigaciones Ópticas; Argentina
dc.description.fil
Fil: Osborne, Thomas. Lycoming College; Estados Unidos
dc.description.fil
Fil: Zawadzki, Brianna. Lycoming College; Estados Unidos
dc.journal.title
Physical Review E
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1103/PhysRevE.96.022218
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://journals.aps.org/pre/abstract/10.1103/PhysRevE.96.022218
Archivos asociados