La température suit‑elle une marche aléatoire (avec dérive) ?

Un modèle ARMA est une approche simple pour prévoir les variations climatiques, mais il illustre bien plusieurs notions vues dans ce cours.

Le DataFrame temp_NY contient la température annuelle moyenne à Central Park (NY) de 1870 à 2016 (données téléchargées auprès de la NOAA ici). Tracez les données et vérifiez si elles suivent une marche aléatoire (avec dérive).

Cette activité fait partie du cours

Analyse des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Convertissez l'index des années en objet datetime avec pd.to_datetime() et, comme les données sont annuelles, passez l'argument format='%Y'.
Tracez les données avec .plot()
Calculez la valeur p du test d'Augmented Dickey-Fuller à l'aide de la fonction adfuller.
Enregistrez les résultats du test ADF dans result et affichez la valeur p qui se trouve dans result[1].

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Modifier et exécuter le code