기온은 (드리프트가 있는) 랜덤 워크일까요?
ARMA 모델은 기후 변화를 예측하는 데 다소 단순한 접근이지만, 이 강의에서 다룬 많은 주제를 잘 보여 줍니다.
DataFrame temp_NY에는 1870–2016년 뉴욕 센트럴파크의 연평균 기온이 들어 있습니다(데이터는 NOAA에서 여기에서 다운로드했습니다). 데이터를 시각화하고, 드리프트가 있는 랜덤 워크를 따르는지 검정해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 분석
연습 안내
pd.to_datetime()을 사용해 연도 인덱스를 datetime 객체로 변환하고, 데이터가 연간이므로format='%Y'인수를 전달하세요..plot()으로 데이터를 그리세요.adfuller함수를 사용해 Augmented Dickey-Fuller 검정의 p-값을 계산하세요.- ADF 검정 결과를
result에 저장하고,result[1]의 p-값을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller
# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)
# Plot average temperatures
temp_NY.___
plt.show()
# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])