1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modele ARIMA w Pythonie
Connected

ćwiczenie

Wykresy diagnostyczne

Ważne jest, żeby wiedzieć, kiedy trzeba wrócić do projektowania modelu od nowa. W tym ćwiczeniu użyjesz 4 popularnych wykresów, aby ocenić, czy model dobrze dopasowuje się do danych.

Oto przypomnienie, czego oczekiwać na każdym z wykresów w przypadku dobrze dopasowanego modelu:

Test Dobre dopasowanie
Standaryzowane reszty Reszty nie wykazują żadnych wyraźnych wzorców
Histogram z estymatą KDE Krzywa KDE powinna być bardzo zbliżona do rozkładu normalnego
Wykres Q-Q (normalny) Większość punktów powinna leżeć na prostej linii
Korelogram 95% korelacji dla opóźnień większych od zera nie powinno być istotnych statystycznie

W środowisku dostępne są: nieznana szereg czasowy df oraz klasa modelu ARIMA.-

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Dopasuj model ARIMA(1,1,1) do szeregu czasowego df.
  • Utwórz 4 wykresy diagnostyczne.