Autokorelacja sezonowych i cyklicznych szeregów czasowych
Gdy dane mają charakter sezonowy lub cykliczny, ACF osiąga szczyty przy sezonowych opóźnieniach lub przy średniej długości cyklu.
Zbadasz to zjawisko, tworząc wykresy rocznego szeregu plam słonecznych (który podąża za cyklem słonecznym trwającym około 10–11 lat) zapisanego w sunspot.year oraz dziennego ruchu na blogu Hyndsight (który wykazuje tygodniowy wzorzec 7-dniowy) zapisanego w hyndsight. Oba obiekty zostały już wczytane do twojego środowiska pracy.
To ćwiczenie jest częścią kursu
Prognozowanie w R
Instrukcje do ćwiczenia
- Utwórz wykres czasowy i wykres ACF dla
sunspot.year. - Obserwując wykres ACF, przy jakim opóźnieniu (oś x) autokorelacja (oś y) jest największa? Przypisz tę wartość do
maxlag_sunspot. - Utwórz wykres czasowy i wykres ACF dla
hyndsight. - Obserwując wykres ACF, przy jakim opóźnieniu (oś x) autokorelacja (oś y) jest największa? Przypisz tę wartość do
maxlag_hyndsight.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot the annual sunspot numbers
autoplot(___)
ggAcf(___)
# Save the lag corresponding to maximum autocorrelation
maxlag_sunspot <- ___
# Plot the traffic on the Hyndsight blog
___
___
# Save the lag corresponding to maximum autocorrelation
maxlag_hyndsight <- ___