화이트 노이즈 모델 시뮬레이션하기
화이트 노이즈(White Noise, WN) 모델은 기본적인 시계열 모델이며, 이후 다룰 더 정교한 모델들의 기초가 됩니다. 여기서는 가장 단순한 형태인 독립이고 동일 분포(i.i.d.)를 따르는 데이터에 집중하겠습니다.
arima.sim() 함수는 다양한 시계열 모델에서 데이터를 시뮬레이션할 수 있어요. ARIMA는 이 강의 전반에서 다룰 자기회귀적 적분 이동평균 모델 계열을 뜻하는 약자입니다.
ARIMA(p, d, q) 모델은 세 부분으로 구성돼요. 자기회귀 차수 p, 적분(또는 차분) 차수 d, 이동평균 차수 q입니다. 각 요소는 곧 자세히 설명하겠지만, 지금은 모든 요소가 0인 ARIMA(0, 0, 0) 모델이 바로 WN 모델과 동일하다는 점만 기억하세요.
이 연습 문제에서는 기본적인 WN 모델을 시뮬레이션하는 방법을 연습합니다.
이 연습은 강의의 일부입니다
R로 배우는 시계열 분석
연습 안내
arima.sim()을 사용해list(order = c(0, 0, 0))인 WN 모델에서 시뮬레이션하세요.n인수를100으로 설정해 100개의 관측치를 생성하고, 결과를white_noise로 저장하세요.ts.plot()을 사용해white_noise객체를 그리세요.- 처음의
arima.sim()호출을 복제하되, 이번에는mean인수를100,sd인수를10으로 설정하세요. 결과를white_noise_2로 저장하세요. - 다시
ts.plot()을 호출해white_noise_2객체를 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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