Que nous indique l’indice temporel ?
Certaines données sont naturellement espacées régulièrement dans le temps. La série temporelle discrete_data illustrée dans la figure du haut comporte 20 observations, avec une observation à chacun des indices temporels discrets de 1 à 20. Un index temporel discret convient à discrete_data.
La série temporelle continuous_series représentée dans la figure du bas comporte également 20 observations ; elle suit le même motif périodique que discrete_data, mais ses observations ne sont pas régulièrement espacées. Ses première, deuxième et dernière observations ont été relevées aux instants 1.210322, 1.746137 et 20.180524, respectivement. Un index temporel continu est naturel pour continuous_series. Cependant, les observations sont approximativement régulièrement espacées, avec environ 1 observation par unité de temps. Examinons l’utilisation d’un index temporel discret pour continuous_series.
Cet exercice fait partie du cours
<cours>Analyse de séries temporelles en R</cours>Instructions de l’exercice
- Utilisez
plot(___, ___, type = "b")pour affichercontinuous_seriesen fonction decontinuous_time_index, son indice temporel continu. - Créez un vecteur 1:20 à utiliser comme indice temporel discret.
- Utilisez maintenant
plot(___, ___, type = "b")pour affichercontinuous_seriesen fonction dediscrete_time_index. - Notez les différentes différences entre les figures obtenues ; l’approximation semble raisonnable, car la tendance générale est préservée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Plot the continuous_series using continuous time indexing
par(mfrow=c(2,1))
plot(continuous_time_index,___, type = "b")
# Make a discrete time index using 1:20
discrete_time_index <-
# Now plot the continuous_series using discrete time indexing
plot(discrete_time_index,___, type = "b")