CommencerCommencer gratuitement

Diagnostic du modèle SARIMA

Normalement, l’étape suivante consisterait à déterminer l’ordre de différenciation et les autres ordres du modèle. Cependant, cette fois, cela a déjà été fait pour vous. La série temporelle est mieux ajustée par un modèle SARIMA(1, 1, 1)(0, 1, 1)\(_{12}\) avec constante ajoutée.

Dans cet exercice, vous allez vérifier que ce modèle est adapté en le calibrant avec la classe SARIMAX, puis en suivant la procédure classique de diagnostic du modèle.

Le DataFrame co2 et la classe de modèle SARIMAX sont disponibles dans votre environnement.

Cet exercice fait partie du cours

Modèles ARIMA en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import model class
from ____ import ___ 

# Create model object
model = SARIMAX(____, 
                order=____, 
                seasonal_order=____, 
)
# Fit model
results = model.fit()
Modifier et exécuter le code