Simulace autoregresního modelu

Autoregresní (AR) model je pravděpodobně nejpoužívanějším modelem časových řad. Svou interpretací se velmi podobá jednoduché lineární regresi – s tím rozdílem, že každé pozorování je regresováno na předchozím pozorování. AR model navíc zahrnuje jako speciální případy modely bílého šumu (WN) a náhodné procházky (RW), se kterými ses setkal/a v dřívějších kapitolách.

Versatilní funkce arima.sim() z předchozích kapitol umí simulovat i data z AR modelu – stačí nastavit argument model na list(ar = phi), kde phi je parametr sklonu z intervalu (-1, 1). Dále je potřeba zadat délku řady n.

V tomto cvičení použiješ tento příkaz k simulaci a vykreslení tří různých AR modelů se sklony 0,5, 0,9 a -0,75.

Toto cvičení je součástí kurzu

Analýza časových řad v R

Zobrazit kurz

Pokyny k cvičení

Pomocí arima.sim() nasimuluj 100 pozorování AR modelu se sklonem 0,5. Nastav argument model na list(ar = 0.5) a argument n na 100. Výsledek ulož do proměnné x.
Stejným způsobem zavolej arima.sim() a nasimuluj 100 pozorování AR modelu se sklonem 0,9. Data ulož do proměnné y.
Třetím voláním arima.sim() nasimuluj 100 pozorování AR modelu se sklonem -0,75. Data ulož do proměnné z.
Pomocí plot.ts() a cbind() vykresli všechny tři objekty ts (x, y, z).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)

# Simulate an AR model with 0.9 slope
y <- 

# Simulate an AR model with -0.75 slope
z <- 

# Plot your simulated data
plot.ts(cbind(___, ___, ___))

Upravit a spustit kód