1. Learn
    2. /
  2. Курси
    3. /
  3. Prévision en R
Connected

Вправа

Graphiques saisonniers

En plus des graphiques chronologiques, il existe d'autres façons utiles de représenter les données pour mettre en évidence les motifs saisonniers et montrer leurs variations au fil du temps.

  • Un graphique saisonnier ressemble à un graphique chronologique, sauf que les données sont tracées selon les « saisons » individuelles pendant lesquelles elles ont été observées. Vous pouvez en créer un avec la fonction ggseasonplot() de la même manière que vous le feriez avec autoplot().
  • Une variante intéressante du graphique saisonnier utilise des coordonnées polaires, où l'axe du temps est circulaire plutôt qu'horizontal; pour en faire un, il suffit d'ajouter l'argument polar et de le régler à TRUE.
  • Un graphique par sous-séries regroupe de mini graphiques chronologiques pour chaque saison. Ici, la moyenne de chaque saison est indiquée par une ligne horizontale bleue.

Une façon de scinder une série chronologique consiste à utiliser la fonction window(), qui extrait un sous-ensemble de l'objet x observé entre les instants start et end.

> window(x, start = NULL, end = NULL)

Dans cet exercice, vous allez charger le paquet fpp2 et utiliser deux de ses jeux de données :

  • a10 contient les volumes mensuels de ventes de médicaments antidiabétiques en Australie. Dans les graphiques, pouvez-vous repérer quel mois affiche le plus grand volume de ventes chaque année? Qu'y a-t-il d'inhabituel en mars et avril 2008?
  • ausbeer contient la production trimestrielle de bière pour l'Australie. Que se passe-t-il avec la production de bière au 4e trimestre?

Ces exemples vous aideront à visualiser ces graphiques et à comprendre en quoi ils peuvent être utiles.

Інструкції

100 XP
  • Utilisez library() pour charger le paquet fpp2.
  • Utilisez autoplot() et ggseasonplot() pour produire des graphiques des données a10.
  • Utilisez la fonction ggseasonplot() et son argument polar pour produire un graphique en coordonnées polaires pour les données a10.
  • Utilisez la fonction window() pour ne considérer que les données ausbeer à partir de 1992.
  • Enfin, utilisez autoplot() et ggsubseriesplot() pour produire des graphiques de la série beer.