Diagnostische Zusammenfassungsstatistiken
Es ist wichtig zu wissen, wann du bei der Modellgestaltung wieder von vorne anfangen musst. In dieser Übung nutzt du die Teststatistiken der Residuen in der Ergebniszusammenfassung, um zu entscheiden, ob ein Modell gut zu einer Zeitreihe passt.
Hier eine Erinnerung an die Tests in der Modellzusammenfassung:
| Test | Nullhypothese | Name des p-Werts |
|---|---|---|
| Ljung-Box | Es gibt keine Korrelationen in den Residuen |
Prob(Q) |
| Jarque-Bera | Die Residuen sind normalverteilt | Prob(JB) |
Eine unbekannte Zeitreihe df und die ARIMA-Modellklasse stehen dir in deiner Umgebung zur Verfügung.
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.
# Create and fit model
model1 = ARIMA(df, order=____)
results1 = model1.fit()
# Print summary
print(____)