Holt-Winters mit Monatsdaten
Im Video hast du gelernt, dass die Funktion hw() mit der Holt-Winters-Methode Prognosen erzeugt, wobei die Art der Saisonalität durch das seasonal-Argument festgelegt wird:
fc1 <- hw(aust, seasonal = "additive")
fc2 <- hw(aust, seasonal = "multiplicative")
Hier wendest du hw() auf a10 an, die monatlichen Verkäufe von Anti-Diabetika in Australien von 1991 bis 2008. Die Daten stehen dir in deiner Arbeitsumgebung zur Verfügung.
Diese Übung ist Teil des Kurses
Prognosen mit R
Anleitung zur Übung
- Erstelle ein Zeitreihendiagramm der
a10-Daten. - Erzeuge Prognosen für die nächsten 3 Jahre mit
hw()und multiplikativer Saisonalität und speichere sie infc. - Sehen die Residuen wie White Noise aus? Prüfe sie mit der passenden Funktion und setze
whitenoiseauf entwederTRUEoderFALSE. - Zeichne ein Zeitreihendiagramm der Prognosen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Plot the data
___
# Produce 3 year forecasts
fc <- hw(___, seasonal = ___, h = ___)
# Check if residuals look like white noise
___
whitenoise <- ___
# Plot forecasts
___