LoslegenKostenlos loslegen

Autokorrelation nicht-saisonaler Zeitreihen

Eine weitere Möglichkeit, Zeitreihendaten zu betrachten, besteht darin, jede Beobachtung gegen eine frühere Beobachtung zu plotten – mit gglagplot(). Zum Beispiel könntest du \(y_t\) gegen \(y_{t-1}\) darstellen. Das nennt man ein Lag-Plot, weil du die Zeitreihe gegen zeitliche Verzögerungen (Lags) ihrer selbst plottest.

Die Korrelationen, die zu den Lag-Plots gehören, ergeben die sogenannte Autokorrelationsfunktion (ACF). Die Funktion ggAcf() erzeugt ACF-Plots.

In dieser Übung arbeitest du mit den vorab geladenen oil-Daten (verfügbar im Paket fpp2). Sie enthalten die jährliche Ölproduktion in Saudi-Arabien von 1965–2013 (gemessen in Millionen Tonnen).

Diese Übung ist Teil des Kurses

Prognosen mit R

Kurs anzeigen

Anleitung zur Übung

  • Verwende die Funktion autoplot(), um die oil-Daten zu plotten.
  • Stelle für die oil-Daten die Beziehung zwischen \(y_t\) und \(y_{t-k}\), \(k=1,\dots,9\), mit einer der oben eingeführten zwei Funktionen dar. Sieh dir an, wie sich die Beziehungen mit zunehmendem Lag verändern.
  • Plotte außerdem die Korrelationen, die zu jedem der Lag-Plots gehören, mit der jeweils anderen passenden neuen Funktion.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create an autoplot of the oil data
___

# Create a lag plot of the oil data
___

# Create an ACF plot of the oil data
___
Code bearbeiten und ausführen