LoslegenKostenlos loslegen

Box-Cox-Transformationen für Zeitreihen

Hier verwendest du eine Box-Cox-Transformation, um die Varianz der vorab geladenen Reihe a10 zu stabilisieren. Sie enthält monatliche Verkäufe von Antidiabetika in Australien von 1991–2008.

In dieser Aufgabe sollst du mit dem Argument lambda (\(\lambda\)) experimentieren und den Effekt auf die Transformation beobachten. Beachte, dass kleine Änderungen in \(\lambda\) die resultierende Reihe kaum verändern. Du möchtest einen Wert für \(\lambda\) finden, der die saisonalen Schwankungen über die gesamte Reihe hinweg ungefähr gleich groß macht.

Erinnere dich an das Video: Der empfohlene Bereich für lambda liegt bei \(-1 ≤ \lambda ≤ 1\).

Diese Übung ist Teil des Kurses

Prognosen mit R

Kurs anzeigen

Anleitung zur Übung

  • Zeichne die Reihe a10 und beobachte die zunehmende Varianz, wenn das Niveau der Reihe steigt.
  • Versuche, die Reihe mit BoxCox() im Format des Beispielcodes zu transformieren. Experimentiere mit vier lambda-Werten: 0.0, 0.1, 0.2 und 0.3. Kannst du bestimmen, welcher Lambda-Wert die Varianz ungefähr stabilisiert?
  • Vergleiche nun deinen gewählten lambda-Wert mit dem von BoxCox.lambda() zurückgegebenen Wert.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Plot the series
___

# Try four values of lambda in Box-Cox transformations
a10 %>% BoxCox(lambda = ___) %>% autoplot()
___
___
___

# Compare with BoxCox.lambda()
___
Code bearbeiten und ausführen