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

Connected

ćwiczenie

Identyfikacja II

Wiesz już, że szereg czasowy savings jest stacjonarny i nie wymaga różnicowania. Mając tę informację, możesz spróbować określić, jaki rząd modelu będzie najlepiej dopasowany.

Funkcje plot_acf() i plot_pacf() zostały zaimportowane, a szereg czasowy wczytano do ramki danych savings.

Instrukcje

100 XP
  • Utwórz wykres ACF dla opóźnień od 1 do 10 i narysuj go na osi ax1.
  • Zrób to samo dla PACF.