Apakah Suhu Merupakan Random Walk (dengan Drift)?

Model ARMA adalah pendekatan yang sederhana untuk memprakirakan perubahan iklim, namun model ini mengilustrasikan banyak topik yang dibahas dalam kelas ini.

DataFrame temp_NY berisi suhu rata-rata tahunan di Central Park, NY dari 1870–2016 (data diunduh dari NOAA di sini). Buat plot data tersebut dan uji apakah data mengikuti random walk (dengan drift).

Latihan ini merupakan bagian dari kursus

Analisis Deret Waktu dengan Python

Lihat Kursus

Instruksi latihan

Ubah indeks tahun menjadi objek datetime menggunakan pd.to_datetime(), dan karena datanya tahunan, berikan argumen format='%Y'.
Plot data menggunakan .plot()
Hitung p-value dari uji Augmented Dickey-Fuller menggunakan fungsi adfuller.
Simpan hasil uji ADF dalam result, dan cetak p-value pada result[1].

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Edit dan Jalankan Kode