Cosa ci dice l’indice temporale?
Alcuni dati sono naturalmente equidistanti nel tempo. La serie temporale discrete_data mostrata nella figura in alto ha 20 osservazioni, con un’osservazione in corrispondenza di ciascuno degli indici temporali discreti da 1 a 20. Un’indicizzazione temporale discreta è appropriata per discrete_data.
La serie temporale continuous_series mostrata nella figura in basso ha anch’essa 20 osservazioni, segue lo stesso andamento periodico di discrete_data, ma le sue osservazioni non sono equidistanti. La prima, la seconda e l’ultima osservazione sono state rilevate rispettivamente ai tempi 1.210322, 1.746137 e 20.180524. Un’indicizzazione temporale continua è naturale per continuous_series; tuttavia, le osservazioni sono approssimativamente equidistanti, con circa 1 osservazione per unità di tempo. Esploriamo l’uso di un’indicizzazione temporale discreta per continuous_series.
Questo esercizio fa parte del corso
Analisi delle serie temporali in R
Istruzioni dell'esercizio
- Usa
plot(___, ___, type = "b")per visualizzarecontinuous_seriesin funzione dicontinuous_time_index, il suo indice temporale continuo - Crea un vettore 1:20 da usare come indice temporale discreto.
- Ora usa
plot(___, ___, type = "b")per visualizzarecontinuous_seriesin funzione didiscrete_time_index - Nota le varie differenze tra le figure risultanti; l’approssimazione sembra comunque ragionevole perché l’andamento complessivo rimane preservato
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Plot the continuous_series using continuous time indexing
par(mfrow=c(2,1))
plot(continuous_time_index,___, type = "b")
# Make a discrete time index using 1:20
discrete_time_index <-
# Now plot the continuous_series using discrete time indexing
plot(discrete_time_index,___, type = "b")