1. Learn
    2. /
  2. Courses
    3. /
  3. Forecasting v R
Connected

Exercise

Předpovědi s modely ARIMA

Automatická metoda z předchozího cvičení zvolila pro data austa model ARIMA(0,1,1) s driftem, tedy: \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Teď si vyzkoušíš různé další modely ARIMA na stejných datech a uvidíš, jak ovlivňují výsledné předpovědi.

Funkce Arima() umožňuje zvolit konkrétní model ARIMA. Její první argument order se nastaví na vektor určující hodnoty \(p\), \(d\) a \(q\). Druhý argument include.constant je logická hodnota, která určuje, zda má být do modelu zahrnuta konstanta \(c\), neboli drift. Níže je příklad řetězce funkcí, který vykreslí předpovědi pro usnetelec z modelu ARIMA(2,1,2) s driftem:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

Sleduj, jak různé modely ovlivňují předpovědi i intervaly spolehlivosti. Data austa máš připravená v pracovním prostředí.

Instructions

100 XP
  • Vykresli předpovědi z modelu ARIMA(0,1,1) bez driftu.
  • Vykresli předpovědi z modelu ARIMA(2,1,3) s driftem.
  • Vykresli předpovědi z modelu ARIMA(0,0,1) s konstantou.
  • Vykresli předpovědi z modelu ARIMA(0,2,1) bez konstanty.