Simulasikan model white noise

Model white noise (WN) adalah model deret waktu yang dasar. Model ini juga menjadi fondasi bagi model yang lebih kompleks yang akan kita bahas. Kita akan berfokus pada bentuk WN yang paling sederhana, yaitu data yang saling bebas dan berdistribusi identik.

Fungsi arima.sim() dapat digunakan untuk mensimulasikan data dari berbagai model deret waktu. ARIMA adalah singkatan dari kelas model autoregressive integrated moving average yang akan kita gunakan sepanjang kursus ini.

Model ARIMA(p, d, q) memiliki tiga bagian, orde autoregresif p, orde integrasi (atau pembedaan) d, dan orde moving average q. Kita akan membahas masing-masing bagian ini segera, tetapi untuk saat ini perlu dicatat bahwa model ARIMA(0, 0, 0), yaitu ketika semua komponen bernilai nol, sama dengan model WN.

Pada latihan ini, Anda akan berlatih mensimulasikan model WN dasar.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan arima.sim() untuk mensimulasikan dari model WN dengan list(order = c(0, 0, 0)). Tetapkan argumen n sama dengan 100 untuk menghasilkan 100 observasi. Simpan data ini sebagai white_noise.
Plot objek white_noise Anda menggunakan ts.plot().
Ulangi pemanggilan awal Anda ke arima.sim() tetapi kali ini tetapkan argumen mean menjadi 100 dan argumen sd menjadi 10. Simpan data ini sebagai white_noise_2.
Plot objek white_noise_2 Anda dengan pemanggilan lain ke ts.plot().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)

# Plot your white_noise data


# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)

# Plot your white_noise_2 data

Edit dan Jalankan Kode