शुरू करेंमुफ़्त में शुरू करें

ARMA डेटा जनरेट करना

इस अभ्यास में आप 100 दिनों के AR/MA/ARMA डेटा जनरेट करेंगे। याद रखें, वास्तविक जीवन के अनुप्रयोगों में यह डेटा Google के स्टॉक प्राइस में होने वाले बदलाव, New York City की ऊर्जा आवश्यकताएँ, या फ्लू के केसों की संख्या हो सकता है.

आप अपने वर्कस्पेस में उपलब्ध arma_generate_sample() फंक्शन का उपयोग करके अलग-अलग AR और MA कोएफिशिएंट्स के साथ टाइम सीरीज़ जनरेट कर सकते हैं.

याद रखें, किसी भी ARMA(p,q) मॉडल के लिए:

  • लिस्ट ar_coefs का रूप [1, -a_1, -a_2, ..., -a_p] होता है.
  • लिस्ट ma_coefs का रूप [1, m_1, m_2, ..., m_q] होता है,

जहाँ a_i lag-i AR कोएफिशिएंट्स हैं और m_j lag-j MA कोएफिशिएंट्स हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में ARIMA Models

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import data generation function and set random seed
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(1)

# Set coefficients
ar_coefs = [____]
ma_coefs = [____]

# Generate data
y = arma_generate_sample(____, ____, nsample=____, scale=0.5)

plt.plot(y)
plt.ylabel(r'$y_t$')
plt.xlabel(r'$t$')
plt.show()
कोड संपादित करें और चलाएँ