1. Učit se
    2. /
  2. Kurzy
    3. /
  3. ARIMA modely v Pythonu
Connected

cvičení

Diagnostické grafy

Je důležité vědět, kdy se musíš vrátit k návrhu modelu od začátku. V tomto cvičení využiješ 4 běžné grafy k tomu, abys posoudil/a, zda model dobře odpovídá datům.

Tady je přehled toho, co bys v každém z grafů chtěl/a vidět u dobře přizpůsobeného modelu:

Test Dobrý fit
Standardizované reziduum V reziduích nejsou žádné zjevné vzory
Histogram s odhadem KDE Křivka KDE by měla být velmi podobná normálnímu rozdělení
Normal Q-Q Většina datových bodů by měla ležet na přímce
Correlogram 95 % korelací pro lag větší než nula by nemělo být statisticky významných

V prostředí máš k dispozici neznámou časovou řadu df a třídu modelu ARIMA.-

Pokyny 1/3

undefined XP
    1
    2
    3
  • Natrénuj model ARIMA(1,1,1) na časové řadě df.
  • Vytvoř 4 diagnostické grafy.