LoslegenKostenlos loslegen

AR oder MA

In dieser Übung nutzt du die ACF und PACF, um zu entscheiden, ob sich einige Daten besser für ein MA‑Modell oder ein AR‑Modell eignen. Denk daran: Die Wahl der richtigen Modellordnung ist entscheidend für gute Vorhersagen.

Für verschiedene Modelltypen erwarten wir in ACF und PACF typischerweise folgendes Verhalten:

AR(p)MA(q)ARMA(p,q)
ACFKlingt langsam abSchneidet nach Lag q abKlingt langsam ab
PACFSchneidet nach Lag p abKlingt langsam abKlingt langsam ab

Eine Zeitreihe mit unbekannten Eigenschaften, df, steht dir in deiner Umgebung zur Verfügung.

Diese Übung ist Teil des Kurses

ARIMA-Modelle in Python

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import
from statsmodels.graphics.tsaplots import ____, ____

# Create figure
fig, (ax1, ax2) = plt.subplots(2,1, figsize=(12,8))
 
# Plot the ACF of df
____(____, lags=____, zero=False, ax=ax1)

# Plot the PACF of df
____(____, lags=____, zero=____, ax=ax2)

plt.show()
Code bearbeiten und ausführen