Identifikace
V následujících cvičeních použiješ Box-Jenkinsovu metodologii, aby ses dostal/a od neznámé datové sady k modelu připravenému na tvorbu predikcí.
Budeš pracovat s novou časovou řadou. Jedná se o osobní úspory jako % disponibilního příjmu v USA v letech 1955–1979.
Prvním krokem Box-Jenkinsovy metodologie je identifikace. V tomto cvičení využiješ dostupné nástroje k ověření, zda je tato nová časová řada stacionární.
Časová řada je načtena jako DataFrame savings a funkce adfuller() je již importována.
Toto cvičení je součástí kurzu
ARIMA modely v Pythonu
Pokyny k cvičení
- Vizualizuj časovou řadu pomocí metody
.plot()DataFrame. - Aplikuj Dickey-Fullerův test na sloupec
'savings'DataFramesavingsa výsledek testu přiřaď do proměnnéresult. - Vypiš testovou statistiku Dickey-Fullerova testu a příslušnou p-hodnotu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Plot time series
____
plt.show()
# Run Dicky-Fuller test
result = ____
# Print test statistic
____
# Print p-value
____