अनुमानित AR मॉडल से सरल फोरकास्ट
अब जब आपने arima() कमांड से अपने डेटा का मॉडल बना लिया है, तो आप अपने मॉडल के आधार पर सरल फोरकास्ट करने के लिए तैयार हैं। predict() फंक्शन का उपयोग अनुमानित AR मॉडल से फोरकास्ट निकालने के लिए किया जा सकता है। आपके predict() कमांड से बने ऑब्जेक्ट में $pred वैल्यू फोरकास्ट होती है, और $se वैल्यू उसी फोरकास्ट की स्टैंडर्ड एरर होती है.
आखिरी ऑब्जर्वेशंस से आगे कई पीरियड के लिए प्रेडिक्शन करने के लिए, आप predict() कमांड में n.ahead आर्ग्युमेंट का उपयोग कर सकते हैं। यह आर्ग्युमेंट फोरकास्ट होराइजन (h) निर्धारित करता है, यानी जितने पीरियड का फोरकास्ट चाहिए। फोरकास्ट 1 से h स्टेप आगे तक, ऑब्ज़र्व्ड टाइम सीरीज़ के अंत से रेकर्सिव तरीके से बनाए जाते हैं.
इस अभ्यास में, आप Nile डेटा पर लगाए गए AR मॉडल का उपयोग करके सरल फोरकास्ट बनाएँगे, जो 1871 से 1970 तक नील नदी के फ्लो के वार्षिक ऑब्ज़र्वेशन रिकॉर्ड करता है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Time Series Analysis
अभ्यास निर्देश
arima()का उपयोग करकेNileटाइम सीरीज़ पर AR मॉडल फिट करें। इसेAR_fitके रूप में सेव करें.predict()का उपयोग करके 1971 में Nile के फ्लो का फोरकास्ट बनाइए.- 1-स्टेप फोरकास्ट पाने के लिए
predict_ARके साथ$pred[1]का उपयोग करें. predict()को फिर से कॉल करके 1 स्टेप आगे से 10 स्टेप आगे तक (1971 से 1980) फोरकास्ट बनाइए। इसके लिएn.aheadआर्ग्युमेंट को10सेट करें.- पहले से लिखे गए कोड को चलाएँ ताकि आपकी
Nileसीरीज़ के साथ फोरकास्ट और 95% प्रेडिक्शन इंटरवल का प्लॉट बन सके.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Fit an AR model to Nile
AR_fit <- arima(___, order = ___)
print(AR_fit)
# Use predict() to make a 1-step forecast
predict_AR <- predict(___)
# Obtain the 1-step forecast using $pred[1]
# Use predict to make 1-step through 10-step forecasts
predict(___, n.ahead = ___)
# Run to plot the Nile series plus the forecast and 95% prediction intervals
ts.plot(Nile, xlim = c(1871, 1980))
AR_forecast <- predict(AR_fit, n.ahead = 10)$pred
AR_forecast_se <- predict(AR_fit, n.ahead = 10)$se
points(AR_forecast, type = "l", col = 2)
points(AR_forecast - 2*AR_forecast_se, type = "l", col = 2, lty = 2)
points(AR_forecast + 2*AR_forecast_se, type = "l", col = 2, lty = 2)