1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza szeregów czasowych w Pythonie
Connected

ćwiczenie

Szacowanie rzędu modelu: PACF

Jednym z przydatnych narzędzi do wyznaczania rzędu modelu AR jest Częściowa Funkcja Autokorelacji (PACF). W tym ćwiczeniu zasymulujemy dwa szeregi czasowe – AR(1) i AR(2) – i obliczymy dla każdego z nich próbkową PACF. Zauważysz, że dla AR(1) PACF powinna mieć istotną wartość przy opóźnieniu 1, a dalsze wartości powinny być bliskie zeru. Dla AR(2) próbkowa PACF powinna mieć istotne wartości przy opóźnieniach 1 i 2, a dalsze – bliskie zeru.

Podobnie jak w poprzednich ćwiczeniach korzystałeś z funkcji plot_acf, tutaj użyjesz funkcji plot_pacf z modułu statsmodels.

Instrukcje

100 XP
  • Zaimportuj moduły do symulowania danych oraz do rysowania wykresu PACF
  • Zasymuluj AR(1) z \(\small \phi=0.6\) (pamiętaj, że znak parametru AR jest odwrócony)
  • Narysuj wykres PACF dla simulated_data_1 za pomocą funkcji plot_pacf
  • Zasymuluj AR(2) z \(\small \phi_1=0.6, \phi_2=0.3\) (tutaj również odwróć znaki)
  • Narysuj wykres PACF dla simulated_data_2 za pomocą funkcji plot_pacf