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

ćwiczenie

Równoważność modelu AR(1) i MA(nieskończoność)

Aby lepiej zrozumieć zależność między modelami MA a modelami AR, pokażesz, że model AR(1) jest równoważny modelowi MA(\(\small \infty\)) z odpowiednimi parametrami.

Symulujesz model MA z parametrami \(\small 0.8, 0.8^2, 0.8^3, \ldots\) dla dużej liczby opóźnień (30) i sprawdzisz, że ma on taką samą funkcję autokorelacji (ACF) jak model AR(1) z parametrem \(\small \phi=0.8\).

Uwaga: aby podnieść liczbę x do potęgi wykładnika n, użyj zapisu x**n.

Instrukcje

100 XP
  • Zaimportuj moduły do symulowania danych i wykreślania ACF ze statsmodels
  • Użyj wyrażenia listowego, aby zbudować listę z wykładniczo malejącymi parametrami MA: \(\small 1, 0.8, 0.8^2, 0.8^3, \ldots\)
  • Zasymuluj 5000 obserwacji modelu MA(30)
  • Wykreśl ACF zasymulowanej serii