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

Connected

ćwiczenie

Identyfikacja

W kolejnych ćwiczeniach zastosujesz metodologię Boxa-Jenkinsa, aby przejść od nieznanego zbioru danych do modelu gotowego do prognozowania.

Będziesz pracować z nowym szeregiem czasowym – są to oszczędności osobiste jako procent dochodu do dyspozycji w USA w latach 1955–1979.

Pierwszym krokiem metodologii Boxa-Jenkinsa jest identyfikacja. W tym ćwiczeniu skorzystasz z dostępnych narzędzi, aby sprawdzić, czy nowy szereg czasowy jest stacjonarny.

Szeregiem czasowym wczytanym jako DataFrame savings oraz funkcją adfuller(), która została już zaimportowana.

Instrukcje

100 XP
  • Zwizualizuj szereg czasowy, korzystając z metody .plot() na DataFrame.
  • Zastosuj test Dickeya-Fullera do kolumny 'savings' w DataFrame savings i przypisz wynik testu do zmiennej result.
  • Wyświetl statystykę testową Dickeya-Fullera oraz odpowiadającą jej wartość p.