White-Noise-Modell simulieren

Das White-Noise-(WN-)Modell ist ein grundlegendes Zeitreihenmodell. Es dient auch als Basis für die komplexeren Modelle, die wir betrachten werden. Wir konzentrieren uns auf die einfachste Form von WN: unabhängig und identisch verteilte Daten.

Die Funktion arima.sim() kann verwendet werden, um Daten aus verschiedenen Zeitreihenmodellen zu simulieren. ARIMA ist die Abkürzung für die Modellklasse der autoregressiv integrierten gleitenden Durchschnitte, mit der wir uns in diesem Kurs beschäftigen.

Ein ARIMA(p, d, q)-Modell hat drei Teile: die autoregressive Ordnung p, die Ordnung der Integration (bzw. Differenzierung) d und die Ordnung des gleitenden Durchschnitts q. Wir gehen gleich auf jeden dieser Teile ein, aber zunächst merken wir uns: Das ARIMA(0, 0, 0)-Modell, also wenn alle Komponenten null sind, ist einfach das WN-Modell.

In dieser Übung übst du, ein einfaches WN-Modell zu simulieren.

Diese Übung ist Teil des Kurses

Zeitreihenanalyse in R

Kurs anzeigen

Anleitung zur Übung

Verwende arima.sim(), um aus dem WN-Modell mit list(order = c(0, 0, 0)) zu simulieren. Setze das Argument n auf 100, um 100 Beobachtungen zu erzeugen. Speichere diese Daten als white_noise.
Zeichne dein Objekt white_noise mit ts.plot().
Wiederhole deinen ursprünglichen Aufruf von arima.sim(), setze diesmal aber das Argument mean auf 100 und sd auf 10. Speichere diese Daten als white_noise_2.
Zeichne dein Objekt white_noise_2 mit einem weiteren Aufruf von ts.plot().

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)

# Plot your white_noise data


# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)

# Plot your white_noise_2 data

Code bearbeiten und ausführen