1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Modely ARIMA v R
Connected

cvičení

Analýza reziduí – I

Jak jsi viděl/a ve videu, výstup funkce sarima() obsahuje grafickou analýzu reziduí. Konkrétně zobrazuje: (1) standardizovaná rezidua, (2) výběrovou ACF reziduí, (3) normální Q-Q graf a (4) p-hodnoty odpovídající Q-statistice Box-Ljung-Pierce.

Pro každý model zkontroluj čtyři grafy reziduí takto:

  1. Standardizovaná rezidua by se měla chovat jako bílý šum s nulovou střední hodnotou a rozptylem jedna. Prohlédni si graf reziduí a zjisti, zda se od tohoto chování odchylují.
  2. Výběrová ACF reziduí by měla vypadat jako ACF bílého šumu. Prohlédni si ACF a zjisti případné odchylky.
  3. Normalita je klíčovým předpokladem při přizpůsobování modelů ARMA. Prozkoumej Q-Q graf, zda se data odchylují od normality, a identifikuj případné odlehlé hodnoty.
  4. Pomocí grafu Q-statistiky otestuj, zda se rezidua odchylují od bílého šumu.

Jako v předchozím cvičení platí dl_varve <- diff(log(varve)), přičemž tento řada je vykreslena pod grafem varve. Balíček astsa je předem načten.

Pokyny

100 XP
  • Pomocí sarima() přizpůsob model MA(1) k datům dl_varve a proveď úplnou analýzu reziduí podle výše uvedených pokynů. Zaznamenej si, co pozoruješ, pro příští cvičení.
  • Dalším voláním sarima() přizpůsob model ARMA(1,1) k datům dl_varve a proveď úplnou analýzu reziduí podle výše uvedených pokynů. Opět si zaznamenej svá pozorování pro příští cvičení.