Sezónní ACF a PACF
Níže vidíš časovou řadu zobrazující odhadovaný počet spotřebitelů vody v Londýně. Na první pohled není žádný sezónní vzor patrný – ale pouhé oko není nejlepší nástroj, který máš k dispozici.
V tomto cvičení použiješ ACF a PACF k tomu, abys v datech otestoval/a přítomnost sezónnosti. Z grafu výše je patrné, že časová řada není stacionární, takže ji bude potřeba odstranit trend. Trend odstraníš tak, že odečteš klouzavý průměr. Jako velikost okna můžeš zvolit libovolnou hodnotu větší než předpokládaná perioda.
Funkce plot_acf() je již naimportována a časová řada je načtena jako water.
Toto cvičení je součástí kurzu
ARIMA modely v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create figure and subplot
fig, ax1 = plt.subplots()
# Plot the ACF on ax1
plot_acf(____, ____, zero=False, ax=ax1)
# Show figure
plt.show()