Simula el modelo autorregresivo
El modelo autorregresivo (AR) es probablemente el modelo de series temporales más utilizado. Comparte la interpretación familiar de una regresión lineal simple, pero aquí cada observación se regresa sobre la observación anterior. El modelo AR también incluye como casos particulares los modelos de ruido blanco (WN) y paseo aleatorio (RW) examinados en capítulos anteriores.
La versátil función arima.sim() usada en capítulos previos también puede emplearse para simular datos de un modelo AR estableciendo el argumento model igual a list(ar = phi), donde phi es un parámetro de pendiente en el intervalo (-1, 1). También debemos especificar la longitud de la serie n.
En este ejercicio, usarás este comando para simular y representar tres modelos AR distintos con parámetros de pendiente iguales a 0.5, 0.9 y -0.75, respectivamente.
Este ejercicio forma parte del curso
Análisis de series temporales en R
Instrucciones del ejercicio
- Usa
arima.sim()para simular 100 observaciones de un modelo AR con pendiente igual a 0.5. Para ello, establece el argumentomodeligual alist(ar = 0.5)y el argumentonigual a100. Guarda estos datos simulados enx. - Haz una llamada similar a
arima.sim()para simular 100 observaciones de un modelo AR con pendiente igual a 0.9. Guarda estos datos eny. - Haz una tercera llamada a
arima.sim()para simular 100 observaciones de un modelo AR con pendiente igual a -0.75. Guarda estos datos enz. - Usa
plot.ts()concbind()para representar tus tres objetos ts (x,y,z).
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)
# Simulate an AR model with 0.9 slope
y <-
# Simulate an AR model with -0.75 slope
z <-
# Plot your simulated data
plot.ts(cbind(___, ___, ___))