Odhad modelu náhodné procházky

Pro danou časovou řadu y můžeme model náhodné procházky s driftem odhadnout tak, že data nejprve diferencujeme a poté na diferencovaná data pomocí příkazu arima() s argumentem order = c(0, 0, 0) nafitujeme model bílého šumu (WN).

Příkaz arima() zobrazí informace o nafitovaném modelu. Pod nadpisem Coefficients: najdeš odhadnutou hodnotu driftu, která se označuje jako intercept. Přímo pod ní je uvedena přibližná standardní chyba (s.e.). Rozptyl části WN modelu je odhadnut pod označením sigma^2.

Toto cvičení je součástí kurzu

Analýza časových řad v R

Zobrazit kurz

Pokyny k cvičení

Časová řada random_walk je již načtena a zobrazena na přiloženém grafu. Pomocí funkce diff() vypočítej první diferenci dat a výsledek ulož do rw_diff.
Pomocí ts.plot() vykresli diferencovaná data.
Pomocí arima() nafituj WN model na diferencovaná data. Nastav argument x na rw_diff a argument order na c(0, 0, 0). Model ulož do model_wn.
Hodnotu intercept z model_wn ulož do int_wn. Tuto hodnotu získáš pomocí model_wn$coef.
Pomocí ts.plot() znovu vykresli původní graf časové řady random_walk.
Do grafu přidej odhadnutý časový trend pomocí funkce abline(). Jako druhý argument použij int_wn.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Difference your random_walk data
rw_diff <- 

# Plot rw_diff


# Now fit the WN model to the differenced data
model_wn <-

# Store the value of the estimated time trend (intercept)
int_wn <- 

# Plot the original random_walk data


# Use abline(0, ...) to add time trend to the figure

Upravit a spustit kód