Simula el modelo de paseo aleatorio con deriva

Un paseo aleatorio (RW) no tiene por qué oscilar alrededor de cero; puede tener una trayectoria ascendente o descendente, es decir, una deriva o tendencia temporal. Esto se logra incluyendo un intercepto en el modelo RW, que corresponde a la pendiente de la tendencia temporal del RW.

Como formulación alternativa, puedes tomar la suma acumulada de una serie de ruido blanco (WN) con media constante, de modo que esa media corresponda a la pendiente de la tendencia del RW.

Para simular datos del modelo RW con deriva, de nuevo usa la función arima.sim() con el argumento model = list(order = c(0, 1, 0)). Esta vez, debes añadir el argumento adicional mean = ... para indicar la variable de deriva, o el intercepto.

Este ejercicio forma parte del curso

Análisis de series temporales en R

Ver curso

Instrucciones del ejercicio

Usa arima.sim() para generar otro modelo RW. Establece el argumento model igual a list(order = c(0, 1, 0)) para generar un modelo tipo RW y n igual a 100 para producir 100 observaciones. Establece el argumento mean en 1 para introducir una deriva. Guarda esto como rw_drift.
Usa ts.plot() para representar tus datos rw_drift.
Usa diff() para calcular la primera diferencia de tus datos rw_drift. Guarda esto como rw_drift_diff.
Usa otra llamada a ts.plot() para representar rw_drift_diff.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Generate a RW model with a drift uing arima.sim
rw_drift <- arima.sim(model = ___, n = ___, mean = ___)

# Plot rw_drift


# Calculate the first difference series
rw_drift_diff <- 

# Plot rw_drift_diff

Editar y ejecutar código