Je teplota náhodnou procházkou (s driftem)?

Model ARMA je sice zjednodušený přístup k předpovídání klimatických změn, ale dobře ilustruje mnoho témat probíraných v tomto kurzu.

DataFrame temp_NY obsahuje průměrnou roční teplotu v Central Parku v New Yorku za roky 1870–2016 (data byla stažena z NOAA zde). Vykresli data a otestuj, jestli se řídí náhodnou procházkou (s driftem).

Toto cvičení je součástí kurzu

Analýza časových řad v Pythonu

Zobrazit kurz

Pokyny k cvičení

Převeď index roků na objekt datetime pomocí pd.to_datetime() a protože data jsou roční, předej argument format='%Y'.
Vykresli data pomocí .plot().
Vypočítej p-hodnotu Rozšířeného Dickeyho-Fullerova testu pomocí funkce adfuller.
Ulož výsledky ADF testu do proměnné result a vypiš p-hodnotu z result[1].

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Upravit a spustit kód