Simular modelo MA(q)
Moving average (MA) también depende de la iteración anterior. A diferencia de los modelos AR, la dependencia está en la parte de ruido.
Aquí tienes el algoritmo en R:
ma1 <- function(n, mu, theta, sd) {
q <- length(theta)
x <- numeric(n)
eps <- rnorm(n, 0, sd)
for(i in seq(q + 1, n)) {
value <- mu + eps[i]
for(j in seq_len(q)) {
value <- value + theta[j] * eps[i - j]
}
x[i] <- value
}
x
}
n es el número de observaciones simuladas, mu es el valor esperado, theta es un vector numérico de coeficientes de media móvil y sd es la desviación estándar del ruido.
Antes en el capítulo, usaste R::rnorm() para generar un único número de una distribución normal. También existe Rcpp::rnorm(), que puede generar de una vez un vector numérico completo. Acepta los mismos argumentos que rnorm() de R.
Completa la definición de la función ma2(), una traducción a C++ de ma1().
Este ejercicio forma parte del curso
Optimizar código de R con Rcpp
Instrucciones del ejercicio
- Genera el vector de ruido como
eps. Usarnorm()del espacio de nombres deRcpp(no del espacio de nombres deR). - Dentro del bucle externo, calcula
valuecomomumás el valor de ruidoi-ésimo. - Dentro del bucle interno, incrementa
valuepor el elementoj-ésimo dethetamultiplicado por el elemento "imenosjmenos1" deeps. - Tras los bucles, asigna el elemento
i-ésimo dexavalue.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
#include
using namespace Rcpp ;
// [[Rcpp::export]]
NumericVector ma2( int n, double mu, NumericVector theta, double sd ){
int q = theta.size();
NumericVector x(n);
// Generate the noise vector
NumericVector eps = ___(___, 0.0, ___);
// Loop from q to n
for(int i = q; i < n; i++) {
// Value is mean plus noise
double value = ___ + ___;
// Loop from zero to q
for(int j = 0; j < q; j++) {
// Increase by the jth element of theta times
// the "i minus j minus 1"th element of eps
value += ___ * ___;
}
// Set ith element of x to value
___ = ___;
}
return x ;
}
/*** R
d <- data.frame(
x = 1:50,
y = ma2(50, 10, c(1, -0.5), 1)
)
ggplot(d, aes(x, y)) + geom_line()
*/