Simuleer het white-noise-model

Het white noise (WN)‑model is een basis‑tijdreeksmodel. Het vormt ook de basis voor de meer uitgebreide modellen die we gaan bekijken. We focussen op de eenvoudigste vorm van WN: onafhankelijk en identiek verdeelde data.

De functie arima.sim() kan worden gebruikt om data te simuleren uit allerlei tijdreeksmodellen. ARIMA is een afkorting voor de autoregressive integrated moving average‑klasse van modellen die we in deze cursus behandelen.

Een ARIMA(p, d, q)‑model heeft drie onderdelen: de autoregressieve orde p, de orde van integratie (of differencing) d, en de moving‑average‑orde q. We lichten elk onderdeel zo toe, maar voor nu is het goed om te weten dat het ARIMA(0, 0, 0)‑model, dus met alle componenten nul, simpelweg het WN‑model is.

In deze oefening ga je oefenen met het simuleren van een basis WN‑model.

Deze oefening maakt deel uit van de cursus

Tijdreeksanalyse in R

Cursus bekijken

Oefeninstructies

Gebruik arima.sim() om te simuleren uit het WN‑model met list(order = c(0, 0, 0)). Zet het argument n gelijk aan 100 om 100 observaties te genereren. Sla deze data op als white_noise.
Plot je white_noise‑object met ts.plot().
Herhaal je oorspronkelijke aanroep van arima.sim(), maar zet nu het argument mean op 100 en sd op 10. Sla deze data op als white_noise_2.
Plot je white_noise_2‑object met een nieuwe aanroep van ts.plot().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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

Code bewerken en uitvoeren