Identificatie II
Je hebt geleerd dat de tijdreeks savings stationair is zonder differencing. Met deze informatie kun je proberen te bepalen welke orde van het model het best past.
De functies plot_acf() en plot_pacf() zijn geïmporteerd en de tijdreeks is ingeladen in de DataFrame savings.
Deze oefening maakt deel uit van de cursus
ARIMA-modellen in Python
Oefeninstructies
- Maak een plot van de ACF voor lags 1–10 en teken deze op as
ax1. - Doe hetzelfde voor de PACF.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create figure
fig, (ax1, ax2) = plt.subplots(2,1, figsize=(12,8))
# Plot the ACF of savings on ax1
____
# Plot the PACF of savings on ax2
____
plt.show()