शुरू करेंमुफ़्त में शुरू करें

MA मॉडल का आकलन (Estimating)

आप पहले वाले अभ्यास में जनरेट की गई सिम्युलेटेड सीरीज़ में से एक के MA(1) पैरामीटर, \(\small \theta\), का अनुमान लगाएंगे। चूँकि सिम्युलेटेड सीरीज़ के पैरामीटर ज्ञात होते हैं, इसलिए रियल डेटा पर लागू करने से पहले estimation रूटीन को समझने का यह अच्छा तरीका है।

simulated_data_1 के लिए जहाँ सही \(\small \theta\) -0.9 है, आप \(\small \theta\) के अनुमान को प्रिंट करेंगे। इसके अलावा, जब आप एक टाइम सीरीज़ फिट करते हैं तो जो पूरा आउटपुट बनता है, उसे भी प्रिंट करेंगे, ताकि आपको statsmodels में उपलब्ध अन्य टेस्ट और summary statistics का अंदाजा हो सके।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Time Series Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • मॉड्यूल statsmodels.tsa.arima.model से ARIMA क्लास इम्पोर्ट करें.
  • ARIMA क्लास का एक इंस्टेंस mod नाम से बनाएँ, जिसमें सिम्युलेटेड डेटा simulated_data_1 दें और मॉडल का ऑर्डर (p,d,q) (इस केस में, MA(1) के लिए) order=(0,0,1) रखें.
  • .fit() मेथड का उपयोग करके मॉडल mod को फिट करें और परिणामों को res नाम के ऑब्जेक्ट में सेव करें.
  • .summary() मेथड का उपयोग करके पूरे परिणामों का सारांश प्रिंट करें.
  • केवल theta पैरामीटर के अनुमान को प्रिंट करने के लिए .params[1] एट्रिब्यूट का उपयोग करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import the ARIMA module from statsmodels
from statsmodels.tsa.arima.model import ARIMA

# Fit an MA(1) model to the first simulated data
mod = ARIMA(___, order=___)
res = mod.___

# Print out summary information on the fit
print(res.___)

# Print out the estimate for the constant and for theta
print("When the true theta=-0.9, the estimate of theta is:")
print(res.___)
कोड संपादित करें और चलाएँ