शुरू करेंमुफ़्त में शुरू करें

ग्लोबल वार्मिंग

अब जबकि आपने simulated डेटा पर ARIMA मॉडल फिट करने का अभ्यास कर लिया है, आपका अगला काम अपनी स्किल्स को वास्तविक दुनिया के डेटा पर लागू करना है.

globtemp (पैकेज astsa से) में 2015 तक के वार्षिक वैश्विक तापमान विचलन दिए गए हैं। इस अभ्यास में, आप स्थापित तकनीकों का इस्तेमाल करके इन डेटा पर ARIMA मॉडल फिट करेंगे। डेटा का प्लॉट random walk जैसा व्यवहार दिखाता है, इसलिए आपको differenced डेटा के साथ काम करना चाहिए। differenced डेटा diff(globtemp) भी प्लॉट किया गया है.

diff(globtemp) के सैंपल ACF और PACF प्लॉट करने के बाद, आप कह सकते हैं कि या तो

  1. ACF और PACF दोनों धीरे-धीरे घट रहे हैं, जो ARIMA(1,1,1) मॉडल का संकेत देता है.
  2. ACF lag 2 पर कट जाता है और PACF धीरे-धीरे घट रहा है, जो ARIMA(0,1,2) मॉडल का संकेत देता है.
  3. ACF धीरे-धीरे घट रहा है और PACF lag 3 पर कट जाता है, जो ARIMA(3,1,0) मॉडल का संकेत देता है। हालाँकि यह मॉडल ठीक-ठाक फिट होता है, तीनों में सबसे कमज़ोर है (आप जाँच सकते हैं) क्योंकि इतनी छोटी autocorrelations के लिए यह बहुत अधिक पैरामीटर इस्तेमाल करता है.

पहले दो मॉडलों को फिट करने के बाद, पसंदीदा मॉडल चुनने के लिए AIC और BIC जाँचें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में ARIMA मॉडल्स

पाठ्यक्रम देखें

अभ्यास निर्देश

  • differenced डेटा diff(globtemp) के सैंपल ACF और PACF प्लॉट करें और देखें कि 2 मॉडल उचित लगते हैं: ARIMA(1,1,1) और ARIMA(0,1,2).
  • sarima() का उपयोग करके globtemp पर ARIMA(1,1,1) मॉडल फिट करें। क्या सभी पैरामीटर significant हैं?
  • sarima() को दोबारा कॉल करके globtemp पर ARIMA(0,1,2) मॉडल फिट करें। क्या सभी पैरामीटर significant हैं? कौन सा मॉडल बेहतर है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot the sample P/ACF pair of the differenced data 


# Fit an ARIMA(1,1,1) model to globtemp


# Fit an ARIMA(0,1,2) model to globtemp. Which model is better?
कोड संपादित करें और चलाएँ