Gegevens detrenden

Zoals je in de vorige oefening hebt gezien, is differencing doorgaans goed om trends uit tijdreeksgegevens te verwijderen. Denk eraan dat differencing kijkt naar het verschil tussen de waarde van een tijdreeks op een bepaald tijdstip en de voorgaande waarde.

In deze oefening ga je met diff() detrenden en echte tijdreeksgegevens plotten.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in R

Oefeninstructies

Het pakket astsa is al geladen.
Genereer een multifiguur-grafiek waarin je de wereldtemperatuurgegevens (globtemp) vergelijkt met de gedetrende reeks. Je kunt een multifiguur-grafiek maken door eerst het vooraf geschreven par()-commando uit te voeren en daarna twee aparte aanroepen van plot() te doen.
Genereer nog een multifiguur-grafiek waarin je de wekelijkse cardiovasculaire sterfte in Los Angeles County (cmort) vergelijkt met de gedetrende reeks.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Plot globtemp and detrended globtemp
par(mfrow = c(2,1))
plot(globtemp) 


# Plot cmort and detrended cmort
par(mfrow = c(2,1))
plot(cmort)

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in R

SkillTag.level.beginnerSkillTag.label

4.9+

Begin gratis met de cursus

Je onderzoekt de aard van tijdreeksgegevens en leert de basis van ARMA-modellen die het gedrag van zulke data kunnen verklaren. Je leert de basiscommando’s in R die helpen om ruwe tijdreeksdata om te zetten naar een vorm die je met ARMA-modellen kunt analyseren.

Exercise 1: Eerst even dit Exercise 2: Data verkennen Exercise 3: Elementen van tijdreeksen Exercise 4: Stationariteit en niet-stationariteit Exercise 5: Verschillen (differencing)Exercise 6: Gegevens detrenden

Huidige oefening

Exercise 7: Omgaan met trend en heteroscedasticiteit Exercise 8: Stationaire tijdreeksen: ARMA Exercise 9: ARMA-modellen simuleren

Je ontdekt de wondere wereld van ARMA-modellen en hoe je deze modellen op tijdreeksdata fit. Je leert hoe je een model identificeert, het juiste model kiest en hoe je een model verifieert zodra je het op data hebt gefit. Je leert R-tijdreekscommando’s gebruiken uit de pakketten stats en astsa.

Exercise 1: AR- en MA-modellen Exercise 2: Een AR(1)-model fitten Exercise 3: Een AR(2)-model fitten Exercise 4: Een MA(1)-model passen Exercise 5: AR en MA samen Exercise 6: Een ARMA-model fitten Exercise 7: Identificeer een ARMA‑model Exercise 8: Modelkeuze en residu-analyse Exercise 9: Modelkeuze - I Exercise 10: Modelkeuze - II Exercise 11: Residualanalyse - I Exercise 12: Residuanalyse - II Exercise 13: ARMA, kom d'r in

Nu je weet hoe je ARMA-modellen fit op stationaire tijdreeksen, leer je over geïntegreerde ARMA- (ARIMA-)modellen voor niet-stationaire tijdreeksen. Je fit de modellen op echte data met R-tijdreekscommando’s uit de pakketten stats en astsa.

Exercise 1: ARIMA - geïntegreerde ARMA Exercise 2: ARIMA - plug-and-play Exercise 3: Gesimuleerde ARIMA Exercise 4: Opwarming van de aarde Exercise 5: ARIMA-diagnostiek Exercise 6: Diagnostiek - gesimuleerde overfitting Exercise 7: Diagnostiek - mondiale temperaturen Exercise 8: ARIMA-voorspellingen Exercise 9: Voorspellen met gesimuleerde ARIMA Exercise 10: Wereldwijde temperaturen voorspellen

Je leert hoe je seizoensgebonden tijdreeksen fit en voorspelt met seizoens-ARIMA-modellen. Dit doe je met wat je in de vorige hoofdstukken hebt geleerd en door te leren hoe je de R-tijdreekscommando’s uit de pakketten stats en astsa uitbreidt.

Exercise 1: Zuiver seizoensgebonden modellen Exercise 2: P/ACF van zuiver seizoensgebonden modellen Exercise 3: Pas een puur seizoensmodel Exercise 4: Gemengde seizoensmodellen Exercise 5: Een gemengd seizoensmodel fitten Exercise 6: Data-analyse - werkloosheid I Exercise 7: Data-analyse - werkloosheid II Exercise 8: Data-analyse - grondstofprijzen Exercise 9: Data-analyse - geboortecijfer Exercise 10: Seizoens-ARIMA voorspellen Exercise 11: Maandelijkse werkloosheid voorspellen Exercise 12: Hoe lastig is het om grondstofprijzen te voorspellen?Exercise 13: Gefeliciteerd!