Simulare il modello white noise
Il modello di white noise (WN) è un modello di serie temporale di base. È anche la base per modelli più elaborati che vedremo. Ci concentreremo sulla forma più semplice di WN, con dati indipendenti e identicamente distribuiti.
La funzione arima.sim() può essere usata per simulare dati da una varietà di modelli per serie temporali. ARIMA è l’abbreviazione della classe di modelli autoregressive integrated moving average che tratteremo in tutto il corso.
Un modello ARIMA(p, d, q) ha tre componenti: l’ordine autoregressivo p, l’ordine di integrazione (o differenziazione) d e l’ordine della media mobile q. Approfondiremo presto ciascuna di queste parti, ma per ora nota che il modello ARIMA(0, 0, 0), cioè con tutte queste componenti a zero, è semplicemente il modello WN.
In questo esercizio, farai pratica nel simulare un modello WN di base.
Questo esercizio fa parte del corso
Analisi delle serie temporali in R
Istruzioni dell'esercizio
- Usa
arima.sim()per simulare dal modello WN conlist(order = c(0, 0, 0)). Imposta l’argomentonuguale a100per produrre 100 osservazioni. Salva questi dati comewhite_noise. - Visualizza l’oggetto
white_noiseusandots.plot(). - Ripeti la chiamata originale a
arima.sim(), ma questa volta imposta l’argomentomeana100e l’argomentosda10. Salva questi dati comewhite_noise_2. - Visualizza l’oggetto
white_noise_2con un’altra chiamata ats.plot().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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