1. Apprendre
    2. /
  2. Cours
    3. /
  3. Analyse des séries chronologiques en R
Connected

Exercice

Simuler le modèle autorégressif

Le modèle autorégressif (AR) est sans doute le modèle de séries temporelles le plus utilisé. Il partage l'interprétation bien connue d'une régression linéaire simple, mais ici chaque observation est régressée sur l'observation précédente. Le modèle AR inclut aussi, comme cas particuliers, le bruit blanc (WN) et la marche aléatoire (RW) étudiés dans les chapitres précédents.

La fonction polyvalente arima.sim() utilisée plus tôt peut aussi servir à simuler des données d'un modèle AR en fixant l'argument model à list(ar = phi), où phi est un paramètre de pente dans l'intervalle (-1, 1). Il faut aussi préciser la longueur de la série n.

Dans cet exercice, vous utiliserez cette commande pour simuler et tracer trois modèles AR différents avec des pentes égales à 0.5, 0.9 et -0.75, respectivement.

Instructions

100 XP
  • Utilisez arima.sim() pour simuler 100 observations d'un modèle AR avec une pente égale à 0.5. Pour ce faire, définissez l'argument model à list(ar = 0.5) et l'argument n à 100. Enregistrez ces données simulées dans x.
  • Faites un appel similaire à arima.sim() pour simuler 100 observations d'un modèle AR avec une pente égale à 0.9. Enregistrez ces données dans y.
  • Faites un troisième appel à arima.sim() pour simuler 100 observations d'un modèle AR avec une pente égale à -0.75. Enregistrez ces données dans z.
  • Utilisez plot.ts() avec cbind() pour tracer vos trois objets ts (x, y, z).