Estima el modelo de media móvil simple

Ahora que has simulado algunos modelos MA y calculado la ACF de esos modelos, el siguiente paso es ajustar el modelo de media móvil simple (MA) a unos datos usando el comando arima(). Para una serie temporal x dada, podemos ajustar el modelo MA simple con arima(..., order = c(0, 0, 1)). Ten en cuenta como referencia que un modelo MA es un ARIMA(0, 0, 1).

En este ejercicio, practicarás usando una serie temporal precargada (x, mostrada en la gráfica de la derecha) y también el conjunto de datos Nile usado en capítulos anteriores.

Este ejercicio forma parte del curso

Análisis de series temporales en R

Ver curso

Instrucciones del ejercicio

Usa arima() para ajustar el modelo MA a la serie x.
¿Cuáles son las estimaciones de la pendiente (ma1), la media (intercept) y la varianza de la innovación (sigma^2) que produce tu salida de arima()? Pégalas en tu espacio de trabajo.
Haz una llamada similar a arima() para ajustar el modelo MA a los datos de Nile. Guarda los resultados como MA y usa print() para mostrar la salida.
Por último, usa los comandos ya escritos para representar los datos de Nile y tus valores MA ajustados.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Fit the MA model to x
arima(___, order = ___)

# Paste the slope (ma1) estimate below


# Paste the slope mean (intercept) estimate below


# Paste the innovation variance (sigma^2) estimate below


# Fit the MA model to Nile
MA <- arima(___, order = ___)
print(MA)

# Plot Nile and MA_fit 
ts.plot(Nile)
MA_fit <- Nile - resid(MA)
points(MA_fit, type = "l", col = 2, lty = 2)

Editar y ejecutar código