Zeitreihen-Residuen überprüfen
Wenn du eine Prognosemethode anwendest, ist es wichtig, immer zu prüfen, ob die Residuen unauffällig sind (d. h. keine Ausreißer oder Muster) und weißem Rauschen ähneln. Die Prognoseintervalle werden unter der Annahme berechnet, dass die Residuen ebenfalls normalverteilt sind. Mit der Funktion checkresiduals() kannst du diese Eigenschaften überprüfen; sie liefert dir außerdem die Ergebnisse eines Ljung-Box-Tests.
Bisher hast du die Pipe-Funktion (%>%) noch nicht verwendet, aber hier ist eine gute Gelegenheit, sie kennenzulernen. Bei vielen geschachtelten Funktionen macht die Pipe den Code deutlich lesbarer. Um konsistent zu sein, setze hinter Funktionen immer Klammern, um sie von anderen Objekten zu unterscheiden – auch wenn sie keine Argumente haben. Ein Beispiel:
> function(foo) # Diese beiden
> foo %>% function() # sind gleich!
> foo %>% function # Inkonsistent
In dieser Übung testest du die obigen Funktionen auf den Prognosen, die denen aus der vorherigen Aufgabe entsprechen (fcgoog, erhalten nach Anwendung von naive() auf goog, und fcbeer, erhalten nach Anwendung von snaive() auf ausbeer).
Diese Übung ist Teil des Kurses
Prognosen mit R
Anleitung zur Übung
- Verwende die oben gezeigte Pipe und führe
checkresiduals()auf einer Prognose aus, diefcgoogentspricht. - Entsprechen die Residuen laut diesem Ljung-Box-Test weißem Rauschen? Weise
googwnentwederTRUEoderFALSEzu. - Verwende eine ähnliche Pipe und führe
checkresiduals()auf einer Prognose aus, diefcbeerentspricht. - Entsprechen die Residuen laut diesem Ljung-Box-Test weißem Rauschen? Weise
beerwnentwederTRUEoderFALSEzu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Check the residuals from the naive forecasts applied to the goog series
goog %>% naive() %>% ___
# Do they look like white noise (TRUE or FALSE)
googwn <- ___
# Check the residuals from the seasonal naive forecasts applied to the ausbeer series
___
# Do they look like white noise (TRUE or FALSE)
beerwn <- ___