Grafici diagnostici
È importante sapere quando bisogna tornare al tavolo da disegno nella progettazione di un modello. In questo esercizio userai 4 grafici comuni per decidere se un modello si adatta bene a certi dati.
Ecco un promemoria di cosa dovresti vedere in ciascuno dei grafici per un modello che si adatta bene:
| Test | Buon adattamento |
|---|---|
| Residui standardizzati | Non ci sono schemi evidenti nei residui |
| Istogramma con stima KDE | La curva KDE dovrebbe essere molto simile alla distribuzione normale |
| Normal Q-Q | La maggior parte dei punti dovrebbe trovarsi sulla linea retta |
| Correllogramma | Il 95% delle correlazioni per lag maggiori di zero non dovrebbe essere significativo |
Nel tuo ambiente hai a disposizione una serie storica sconosciuta df e la classe del modello ARIMA.-
Questo esercizio fa parte del corso
Modelli ARIMA in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()