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 de nombreux thèmes abordés dans ce cours.
Le DataFrame temp_NY contient la température moyenne annuelle à Central Park, NY, de 1870 à 2016 (données téléchargées auprès de la NOAA ici). Tracez la série et testez si elle suit une marche aléatoire (avec dérive).
Cet exercice fait partie du cours
Analyse des séries temporelles en Python
Instructions
- Convertissez l’index des années en objet datetime avec
pd.to_datetime()et, comme les données sont annuelles, passez l’argumentformat='%Y'. - Tracez la série avec
.plot() - Calculez la p-valeur du test d’Augmented Dickey-Fuller à l’aide de la fonction
adfuller. - Enregistrez les résultats du test ADF dans
result, puis affichez la p-valeur dansresult[1].
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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])