Zacznij terazZacznij za darmo

Automatyczne prognozowanie z wygładzaniem wykładniczym

Funkcja ETS (errors, trend, seasonality – błędy, trend i sezonowość) umożliwia w pełni automatyczne tworzenie prognoz dla szerokiego zakresu szeregów czasowych.

Przetestujesz ją teraz na dwóch seriach – austa i hyndsight – które poznałeś już wcześniej w tym rozdziale. Obie zostały wczytane do twojego środowiska.

To ćwiczenie jest częścią kursu

Prognozowanie w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Używając ets(), dopasuj model ETS do serii austa i zapisz go jako fitaus.
  • Korzystając z odpowiedniej funkcji, sprawdź reszty tego modelu.
  • Wykreśl prognozy z tego modelu, używając razem forecast() i autoplot().
  • Powtórz te trzy kroki dla danych hyndsight i zapisz model jako fiths.
  • Który model (lub które modele) nie przechodzi testu Ljunga-Boxa? Przypisz zmiennym fitausfail i fithsfail wartość TRUE (jeśli test nie przechodzi) lub FALSE (jeśli test przechodzi).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Fit ETS model to austa in fitaus
___ <- ___(___)

# Check residuals
___(___)

# Plot forecasts
___(___(___))

# Repeat for hyndsight data in fiths
fiths <- ___(___)
___(___)
___(___(___))

# Which model(s) fails test? (TRUE or FALSE)
fitausfail <- ___
fithsfail <- ___
Edytuj i uruchom kod