1. Nauka
  2. /
  3. Kursy
  4. /
  5. Modele ARIMA w Pythonie

Connected

ćwiczenie

Podsumowanie statystyk diagnostycznych

Ważne jest, aby wiedzieć, kiedy trzeba wrócić do punktu wyjścia w projektowaniu modelu. W tym ćwiczeniu wykorzystasz statystyki testów reszt z podsumowania wyników, aby ocenić, czy model dobrze dopasowuje się do szeregu czasowego.

Oto przypomnienie testów dostępnych w podsumowaniu modelu:

Test Hipoteza zerowa Nazwa p-wartości
Ljung-Box Reszty nie są skorelowane
Prob(Q)
Jarque-Bera Reszty mają rozkład normalny Prob(JB)

W środowisku masz dostęp do nieznanego szeregu czasowego df oraz klasy modelu ARIMA.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Dopasuj model ARMA(3,1) do szeregu czasowego df.
  • Wyświetl podsumowanie modelu.