Differenzbildung anwenden
In dieser Übung bereitest du eine Zeitreihe zur Stadtbevölkerung für die Modellierung vor. Wenn du die Wachstumsrate einer Stadt vorhersagen kannst, lässt sich die nötige Infrastruktur besser planen und rechtzeitig bauen – das macht öffentliche Ausgaben zukunftssicher. Die Zeitreihe ist hier fiktiv, eignet sich aber perfekt zum Üben.
Du prüfst die Stationarität zunächst per Augenschein und mit dem Augmented-Dickey-Fuller-Test und bildest dann Differenzen, um den Datensatz stationär zu machen.
Das DataFrame mit der Zeitreihe wurde als city geladen und die Funktion adfuller() wurde importiert.
Diese Übung ist Teil des Kurses
<Kurs>ARIMA-Modelle in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Run the ADF test on the time series
result = ____(____)
# Plot the time series
fig, ax = plt.subplots()
city.plot(ax=ax)
plt.show()
# Print the test statistic and the p-value
print('ADF Statistic:', ____)
print('p-value:', ____)