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

ćwiczenie

Szacowanie rzędu modelu: kryteria informacyjne

Kolejnym narzędziem do określania rzędu modelu jest kryterium informacyjne Akaike'a (AIC) oraz bayesowskie kryterium informacyjne (BIC). Miary te oceniają dopasowanie modelu do danych z uwzględnieniem liczby szacowanych parametrów – im więcej parametrów, tym wyższa kara. Skorzystaj z danych symulowanych AR(2) z poprzedniego ćwiczenia, zapisanych jako simulated_data_2, i oblicz BIC, zmieniając rząd p w modelu AR(p) od 0 do 6.

Instrukcje

100 XP
  • Zaimportuj moduł ARIMA do szacowania parametrów i obliczania BIC.
  • Zainicjalizuj tablicę numpy BIC, w której będziesz przechowywać wartości BIC dla każdego modelu AR(p).
  • Iteruj po rzędzie p dla p = 0,…,6.
    • Dla każdego p dopasuj dane do modelu AR rzędu p.
    • Dla każdego p zapisz wartość BIC, korzystając z atrybutu .bic (bez nawiasów) obiektu res.
  • Narysuj wykres BIC jako funkcję p (na wykresie pomiń p=0 i uwzględnij p=1,…,6).