1. Apprendre
    2. /
  2. Cours
    3. /
  3. Modèles ARIMA en Python
Connected

Exercice

Identification

Dans les exercices suivants, vous appliquerez la méthode de Box-Jenkins pour passer d'un jeu de données inconnu à un modèle prêt à produire des prévisions.

Vous utiliserez une nouvelle série chronologique : l'épargne personnelle en pourcentage du revenu disponible, de 1955 à 1979 aux États-Unis.

La première étape de la méthode de Box-Jenkins est l'identification. Dans cet exercice, vous utiliserez les outils à votre disposition pour vérifier si cette nouvelle série chronologique est stationnaire.

La série a été chargée dans un DataFrame savings et la fonction adfuller() a été importée.

Instructions

100 XP
  • Tracez la série chronologique avec la méthode .plot() du DataFrame.
  • Appliquez le test de Dickey-Fuller à la colonne 'savings' du DataFrame savings et assignez le résultat du test à result.
  • Affichez la statistique de test de Dickey-Fuller et la valeur p associée.