Stima il modello random walk

Per una serie temporale y possiamo stimare il modello random walk con drift prima differenziando i dati, poi adattando il modello white noise (WN) ai dati differenziati usando il comando arima() con l’argomento order = c(0, 0, 0)).

Il comando arima() mostra informazioni o output sul modello stimato. Sotto l’intestazione Coefficients: trovi la variabile di drift stimata, chiamata intercept. Il suo errore standard approssimato (o s.e.) è riportato subito sotto. Anche la varianza della parte WN del modello è stimata, con l’etichetta sigma^2.

Questo esercizio fa parte del corso

Analisi delle serie temporali in R

Visualizza il corso

Istruzioni dell'esercizio

La serie temporale random_walk è già stata caricata ed è mostrata nella figura a lato. Usa diff() per calcolare la prima differenza dei dati. Salvala in rw_diff.
Usa ts.plot() per tracciare i dati differenziati.
Usa arima() per adattare il modello WN ai dati differenziati. Per farlo, imposta l’argomento x a rw_diff e l’argomento order a c(0, 0, 0). Salva il modello in model_wn.
Salva il valore di intercept di model_wn in int_wn. Puoi ottenerlo con model_wn$coef.
Usa ts.plot() per riprodurre il grafico originale di random_walk.
Aggiungi al grafico a lato il trend temporale stimato con la funzione abline(). Puoi usare int_wn come secondo argomento.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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

Modifica ed esegui il codice