指数平滑法による自動予測

ETS（誤差・トレンド・季節性）モデルを求めるための同名関数は、幅広い時系列に対して完全自動で予測を生成できます。

ここでは、この章で以前に確認した2つの系列 austa と hyndsight を対象に試してみます。どちらもワークスペースに事前読み込み済みです。

ets()を使ってaustaにETSモデルを当てはめ、fitausに保存します。
適切な関数を用いて、このモデルの残差をチェックします。
forecast()とautoplot()を組み合わせて、このモデルの予測をプロットします。
同じ3つの手順をhyndsightデータでも行い、モデルをfithsに保存します。
どのモデルがLjung-Box検定に失敗したでしょうか？検定に失敗した場合はTRUE、パスした場合はFALSEを、fitausfailとfithsfailにそれぞれ代入してください。