Saisonale ACF und PACF
Unten siehst du eine Zeitreihe mit der geschätzten Anzahl an Wasserverbraucher:innen in London. Auf den ersten Blick ist kein eindeutiges saisonales Muster erkennbar – aber deine Augen sind nicht das beste Werkzeug.
In dieser Übung prüfst du die Daten mit ACF und PACF auf Saisonalität. Aus dem Plot oben siehst du, dass die Zeitreihe nicht stationär ist, daher solltest du sie wahrscheinlich detrenden. Du entfernst den Trend, indem du den gleitenden Mittelwert subtrahierst. Denk daran: Du kannst eine Fenstergröße verwenden, die größer ist als die vermutete Periode.
Die Funktion plot_acf() wurde importiert und die Zeitreihe als water geladen.
Diese Übung ist Teil des Kurses
ARIMA-Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create figure and subplot
fig, ax1 = plt.subplots()
# Plot the ACF on ax1
plot_acf(____, ____, zero=False, ax=ax1)
# Show figure
plt.show()