ホワイトノイズモデルをシミュレーションする
ホワイトノイズ（WN）モデルは、基本的な時系列モデルです。今後扱うより精緻なモデルの基盤にもなります。ここでは最もシンプルな形、独立同分布（i.i.d.）のデータに着目します。
arima.sim() 関数は、さまざまな時系列モデルからデータをシミュレーションできます。ARIMA は、本コースで扱う自己回帰和分移動平均モデル（autoregressive integrated moving average）の略です。
ARIMA(p, d, q) モデルは3つの要素からなり、自己回帰の次数 p、和分（差分）の次数 d、移動平均の次数 q を表します。各要素の詳細は後ほど説明しますが、ここでは ARIMA(0, 0, 0)、つまりこれらがすべて 0 の場合は単純な WN モデルになる点を押さえておきます。
この演習では、基本的な WN モデルのシミュレーションを練習します。
この演習はコースの一部です
Rで学ぶ時系列分析
演習の手順
arima.sim()を使って、list(order = c(0, 0, 0))の WN モデルからシミュレーションしてください。n引数は100として、100 個の観測値を生成します。結果はwhite_noiseに保存します。ts.plot()を使って、white_noiseオブジェクトをプロットします。- 最初の
arima.sim()の呼び出しを再現しつつ、今回はmean引数を100、sd引数を10に設定します。結果はwhite_noise_2に保存します。 ts.plot()をもう一度呼び出して、white_noise_2オブジェクトをプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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