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:
- 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.
- Výběrová ACF reziduí by měla vypadat jako ACF bílého šumu. Prohlédni si ACF a zjisti případné odchylky.
- Normalita je klíčovým předpokladem při přizpůsobování modelů ARMA. Prozkoumej Q-Q graf, zda se data odchylují od normality, a identifikuj případné odlehlé hodnoty.
- 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.
Toto cvičení je součástí kurzu
Modely ARIMA v R
Pokyny k cvičení
- Pomocí
sarima()přizpůsob model MA(1) k datůmdl_varvea proveď úplnou analýzu reziduí podle výše uvedených pokynů. Zaznamenej si, co pozoruješ, pro příští cvičení. - Dalším voláním
sarima()přizpůsob model ARMA(1,1) k datůmdl_varvea proveď úplnou analýzu reziduí podle výše uvedených pokynů. Opět si zaznamenej svá pozorování pro příští cvičení.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Fit an MA(1) to dl_varve. Examine the residuals
# Fit an ARMA(1,1) to dl_varve. Examine the residuals