Zacznij terazZacznij za darmo

Autokorelacja szeregu czasowego bez sezonowości

Innym sposobem analizy danych szeregów czasowych jest wykreślenie każdej obserwacji względem innej obserwacji z wcześniejszego okresu – służy do tego funkcja gglagplot(). Możesz na przykład nanieść \(y_t\) na osi względem \(y_{t-1}\). Taki wykres nazywamy wykresem opóźnień (lag plot), ponieważ zestawiamy szereg czasowy z jego własnymi opóźnieniami.

Korelacje odpowiadające wykresom opóźnień tworzą funkcję autokorelacji (ACF). Do jej wizualizacji służy funkcja ggAcf().

W tym ćwiczeniu będziesz pracować z wczytanymi danymi oil (dostępnymi w pakiecie fpp2), które zawierają roczną produkcję ropy naftowej w Arabii Saudyjskiej w latach 1965–2013 (wyrażoną w milionach ton).

To ćwiczenie jest częścią kursu

Prognozowanie w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Użyj funkcji autoplot(), aby wyświetlić wykres danych oil.
  • Dla danych oil zwizualizuj zależność między \(y_t\) a \(y_{t-k}\), \(k=1,\dots,9\), korzystając z jednej z dwóch wprowadzonych powyżej funkcji. Zwróć uwagę, jak zmieniają się zależności wraz ze wzrostem opóźnienia.
  • Następnie, używając drugiej z nowych funkcji, wykreśl korelacje odpowiadające każdemu z wykresów opóźnień.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create an autoplot of the oil data
___

# Create a lag plot of the oil data
___

# Create an ACF plot of the oil data
___
Edytuj i uruchom kod