1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Analýza časových řad v R
Connected

cvičení

Je model white noise nebo random walk stacionární?

Modely white noise (WN) a random walk (RW) jsou si velmi podobné. Jen RW je však vždy nestacionární – a to jak s driftem, tak bez něj. Toto simulační cvičení ti pomůže pochopit rozdíly mezi nimi.

Připomeň si, že pokud vezmeme proces WN s nulovou střední hodnotou a vypočítáme jeho kumulativní součet, dostaneme proces RW. Tuto transformaci za tebe provede funkce cumsum(). Podobně platí, že pokud vytvoříme proces WN s nenulovou střední hodnotou a spočítáme jeho kumulativní součet, výsledkem bude RW proces s driftem.

Pokyny

100 XP
  • Pomocí arima.sim() vygeneruj model WN. Nastav argument model na list(order = c(0, 0, 0)), čímž určíš typ modelu WN, a argument n nastav na 100, aby série obsahovala 100 pozorování. Výsledek ulož do proměnné white_noise.
  • Aplikuj funkci cumsum() na white_noise, čímž rychle převedeš model WN na data RW. Výsledek ulož do proměnné random_walk.
  • Podobným voláním arima.sim() vygeneruj druhý model WN. Ponech všechny argumenty stejné, ale tentokrát nastav argument mean na 0.4. Výsledek ulož do proměnné wn_drift.
  • Pomocí dalšího volání cumsum() převeď data wn_drift na RW. Výsledek ulož do proměnné rw_drift.
  • Spusť předpřipravený kód, který vykreslí všechny čtyři série pro porovnání.