CommencezCommencez gratuitement

Graphiques de séries temporelles

La première étape de toute analyse de données consiste à tracer les données. Les graphiques vous permettent de visualiser de nombreuses caractéristiques, comme les tendances, les observations inhabituelles, les changements dans le temps et les liens entre variables. Tout comme le type de données détermine la méthode de prévision à utiliser, il détermine aussi quels graphiques conviennent.

Vous pouvez utiliser la fonction autoplot() pour produire un graphique chronologique des données, avec ou sans facettes (des panneaux qui affichent des sous-ensembles distincts des données) :

> autoplot(usnim_2002, facets = FALSE)

La méthode ci-dessus fait partie des nombreuses fonctions enseignées dans ce cours qui acceptent des arguments booléens. T et TRUE signifient « vrai », et F et FALSE signifient « faux ». Cependant, T et F peuvent être redéfinis dans votre code. Par conséquent, vous devriez vous fier uniquement à TRUE et FALSE pour régler vos indicateurs pendant le reste du cours.

Vous utiliserez deux autres fonctions dans cet exercice, which.max() et frequency().
which.max() permet d'identifier le plus petit indice de la valeur maximale

> x <- c(4, 5, 5)
> which.max(x)
[1] 2

Pour trouver le nombre d'observations par unité de temps, utilisez frequency(). Rappelez-vous les données usnim_2002 de l'exercice précédent :

> frequency(usnim_2002)
[1] 4

Comme ce cours fait appel aux packages forecast et ggplot2, ils ont été chargés dans votre espace de travail, tout comme myts de l'exercice précédent et les trois séries suivantes (disponibles dans le package forecast) :

  • gold qui contient les prix de l'or en dollars américains
  • woolyrnq qui renseigne sur la production de fil de laine en Australie
  • gas qui contient la production de gaz en Australie

Cette activité fait partie du cours

Prévision en R

Voir le cours

Instructions de l’exercice

  • Tracez les données que vous avez enregistrées sous myts avec autoplot() en utilisant des facettes.
  • Tracez les mêmes données sans facettes en réglant l'argument approprié à FALSE. Que se passe‑t‑il ?
  • Tracez les séries temporelles gold, woolyrnq et gas dans des graphiques distincts.
  • Utilisez which.max() pour repérer la valeur aberrante dans la série gold. De quelle observation s'agissait‑il ?
  • Appliquez la fonction frequency() à chaque produit pour obtenir le nombre d'observations par unité de temps. Par exemple, cela renverrait 52 pour des données hebdomadaires.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Plot the data with facetting
autoplot(___, facets = ___)

# Plot the data without facetting
___

# Plot the three series
autoplot(___)
___
___

# Find the outlier in the gold series
goldoutlier <- ___(___)

# Look at the seasonal frequencies of the three series
frequency(___)
___
___
Modifier et exécuter le code