रैंडम वॉक मॉडल का आकलन करें
किसी दी हुई टाइम सीरीज़ y के लिए, हम ड्रिफ्ट के साथ रैंडम वॉक मॉडल फिट कर सकते हैं: पहले डेटा का फर्स्ट डिफरेंस लें, फिर arima() कमांड के साथ order = c(0, 0, 0)) आर्ग्यूमेंट देकर डिफरेंस्ड डेटा पर व्हाइट नॉइज़ (WN) मॉडल फिट करें.
arima() कमांड फिट किए गए मॉडल की जानकारी/आउटपुट दिखाता है. Coefficients: हेडिंग के अंतर्गत अनुमानित ड्रिफ्ट वैरिएबल दिया होता है, जिसका नाम intercept है. इसका लगभग स्टैंडर्ड एरर (s.e.) ठीक नीचे दिया होता है. मॉडल के WN हिस्से का वेरिएंस भी sigma^2 लेबल के तहत अनुमानित किया जाता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Time Series Analysis
अभ्यास निर्देश
- टाइम सीरीज़
random_walkपहले से लोड है और साथ के चित्र में दिखाई गई है.diff()का उपयोग करके डेटा का फर्स्ट डिफरेंस निकालिए. इसेrw_diffमें सेव करें. ts.plot()का उपयोग करके अपने डिफरेंस्ड डेटा को प्लॉट करें.- डिफरेंस्ड डेटा के लिए WN मॉडल फिट करने के लिए
arima()का उपयोग करें. ऐसा करने के लिए,xआर्ग्यूमेंट कोrw_diffपर सेट करें औरorderआर्ग्यूमेंट कोc(0, 0, 0)पर सेट करें. मॉडल कोmodel_wnमें स्टोर करें. model_wnकेinterceptमान कोint_wnमें स्टोर करें. यह मान आपmodel_wn$coefका उपयोग करके प्राप्त कर सकते हैं.- अपने मूल
random_walkप्लॉट को दोबारा बनाने के लिएts.plot()का उपयोग करें. abline()फंक्शन के साथ साथ वाले प्लॉट में अनुमानित टाइम ट्रेंड जोड़ें. आप दूसरे आर्ग्यूमेंट के रूप मेंint_wnका उपयोग कर सकते हैं.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Difference your random_walk data
rw_diff <-
# Plot rw_diff
# Now fit the WN model to the differenced data
model_wn <-
# Store the value of the estimated time trend (intercept)
int_wn <-
# Plot the original random_walk data
# Use abline(0, ...) to add time trend to the figure