Estimar el modelo de paseo aleatorio

Para una serie temporal y, podemos ajustar el modelo de paseo aleatorio con deriva diferenciando primero los datos y, después, ajustando el modelo de ruido blanco (WN) a los datos diferenciados con el comando arima() y el argumento order = c(0, 0, 0)).

El comando arima() muestra información o salida sobre el modelo ajustado. Bajo el encabezado Coefficients: aparece la estimación de la deriva, llamada intercept. Su error estándar aproximado (o s.e.) se proporciona justo debajo. La varianza de la parte WN del modelo también se estima bajo la etiqueta sigma^2.

Este ejercicio forma parte del curso

Análisis de series temporales en R

Ver curso

Instrucciones del ejercicio

La serie temporal random_walk ya está cargada y se muestra en la figura adjunta. Usa diff() para generar la primera diferencia de los datos. Guarda el resultado en rw_diff.
Usa ts.plot() para representar tus datos diferenciados.
Usa arima() para ajustar el modelo WN a los datos diferenciados. Para ello, establece el argumento x a rw_diff y el argumento order a c(0, 0, 0). Guarda el modelo en model_wn.
Guarda el valor de intercept de model_wn en int_wn. Puedes obtener este valor con model_wn$coef.
Usa ts.plot() para reproducir tu gráfico original de random_walk.
Añade la tendencia temporal estimada al gráfico adjunto con la función abline(). Puedes usar int_wn como segundo argumento.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Difference your random_walk data
rw_diff <- 

# Plot rw_diff


# Now fit the WN model to the differenced data
model_wn <-

# Store the value of the estimated time trend (intercept)
int_wn <- 

# Plot the original random_walk data


# Use abline(0, ...) to add time trend to the figure

Editar y ejecutar código