시작하기무료로 시작하기

시계열에 대한 Box-Cox 변환

여기서는 사전 로드된 a10 시계열(1991–2008년 호주의 월별 당뇨병 치료제 판매량)의 분산을 안정화하기 위해 Box-Cox 변환을 사용해 볼 거예요.

이 연습 문제에서는 변환에 대한 lambda(\lambda) 인자의 효과를 직접 실험해 보세요. $\lambda\(가 조금 바뀌어도 변환된 시계열에는 큰 차이가 없다는 점을 유의하시기 바랍니다. 목표는 전체 구간에서 계절 변동의 크기가 대체로 비슷해지도록 하는 \)\lambda$ 값을 찾는 것이에요.

영상에서 다뤘듯이, lambda의 권장 범위는 \(-1 ≤ \lambda ≤ 1\) 입니다.

이 연습은 강의의 일부입니다

R로 배우는 시계열 예측

강의 보기

연습 안내

  • a10 시계열을 그려 보고, 시계열 수준이 높아질수록 분산이 커지는 모습을 관찰하세요.
  • 샘플 코드 형식으로 BoxCox()를 사용해 시계열을 변환해 보세요. lambda 값은 0.0, 0.1, 0.2, 0.3의 네 가지를 시도해 보세요. 어떤 lambda 값이 분산을 가장 잘 안정화하는지 대략 판단할 수 있나요?
  • 이제 선택한 lambda 값을 BoxCox.lambda()가 반환한 값과 비교해 보세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Plot the series
___

# Try four values of lambda in Box-Cox transformations
a10 %>% BoxCox(lambda = ___) %>% autoplot()
___
___
___

# Compare with BoxCox.lambda()
___
코드 편집 및 실행