शुरू करेंमुफ़्त में शुरू करें

एक मिश्रित सीज़नल मॉडल फिट करें

इस अध्याय में पहले देखी गई शुद्ध सीज़नल निर्भरता अपेक्षाकृत दुर्लभ है। अधिकांश सीज़नल टाइम सीरीज़ में मिश्रित (mixed) निर्भरता होती है, यानी भिन्नता का केवल एक हिस्सा ही सीज़नल ट्रेंड्स से समझाया जाता है।

याद करें कि पूर्ण सीज़नल मॉडल को SARIMA(p,d,q)x(P,D,Q)S से दर्शाया जाता है, जहाँ बड़े अक्षर सीज़नल ऑर्डर्स को दिखाते हैं।

पहले की तरह, यह अभ्यास आपसे कहता है कि आप कुछ सिम्युलेटेड सीज़नल डेटा के लिए सैंपल P/ACF जोड़े की तुलना वास्तविक मानों से करें और sarima() का उपयोग करके डेटा पर एक मॉडल फिट करें। इस बार, सिम्युलेटेड डेटा एक मिश्रित सीज़नल मॉडल, SARIMA(0,0,1)x(0,0,1)12 से आते हैं। प्लॉट्स में तीन वर्षों का डेटा, साथ ही मॉडल ACF और PACF दिखते हैं। ध्यान दें कि शुद्ध सीज़नल मॉडल के विपरीत, यहाँ nonseasonal lags के साथ-साथ सीज़नल lags पर भी सहसंबंध हैं।

हमेशा की तरह, astsa पैकेज पहले से लोड है। जनरेट किया गया डेटा x में है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में ARIMA मॉडल्स

पाठ्यक्रम देखें

अभ्यास निर्देश

  • जनरेट किए गए डेटा का सैंपल ACF और PACF lag 60 तक (max.lag = 60) प्लॉट करें और उनकी तुलना वास्तविक मानों से करें।
  • sarima() का उपयोग करके जनरेट किए गए डेटा (x) पर मॉडल फिट करें। पिछले अभ्यास की तरह, अपने sarima() कमांड में अतिरिक्त सीज़नल आर्ग्यूमेंट्स ज़रूर दें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot sample P/ACF pair to lag 60 and compare to actual


# Fit the seasonal model to x
कोड संपादित करें और चलाएँ