LoslegenKostenlos loslegen

AIC und BIC vs. ACF und PACF

In dieser Übung wendest du eine AIC-/BIC-Ordnersuche auf die Erdbeben-Zeitreihe an. In der letzten Lektion hast du entschieden, dass dieser Datensatz wie ein AR(1)-Prozess aussieht. Du führst eine Grid-Suche über Parameter durch, um zu sehen, ob du zu denselben Ergebnissen kommst. Die ACF- und PACF-Plots für diesen Datensatz sind unten gezeigt.

<\center>

Die Modellklasse ARIMA und das Zeitreihen-DataFrame earthquake sind in deiner Umgebung verfügbar.

Diese Übung ist Teil des Kurses

ARIMA-Modelle in Python

Kurs anzeigen

Anleitung zur Übung

  • Iteriere über Ordnungen von p und q zwischen 0 und 2.
  • Versuche innerhalb der Schleife, in jedem Durchlauf ein ARMA(p,q) auf earthquake zu fitten.
  • Gib in jeder Runde p und q zusammen mit AIC und BIC aus.
  • Falls das Modellanpassen fehlschlägt, gib p, q, None, None aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Loop over p values from 0-2
for p in ____:
    # Loop over q values from 0-2
    for q in ____:
      
        try:
            # create and fit ARMA(p,q) model
            model = ____
            results = model.____
            
            # Print order and results
            print(p, q, ____, ____)
            
        except:
            print(p, q, ____, ____)
Code bearbeiten und ausführen