Symulacja modelu białego szumu

Model białego szumu (WN) to jeden z podstawowych modeli szeregów czasowych. Stanowi też punkt wyjścia dla bardziej złożonych modeli, które omówimy w dalszej części kursu. Skupimy się na najprostszej postaci WN – danych niezależnych i identycznie rozłożonych.

Funkcja arima.sim() pozwala symulować dane z różnych modeli szeregów czasowych. ARIMA to skrót od nazwy klasy modeli autoregresyjnych ze zintegrowaną średnią ruchomą (ang. autoregressive integrated moving average), które będziemy analizować przez cały ten kurs.

Model ARIMA(p, d, q) składa się z trzech części: rzędu autoregresji p, rzędu integracji (różnicowania) d oraz rzędu średniej ruchomej q. Każdą z tych części omówimy wkrótce – na razie zapamiętaj, że model ARIMA(0, 0, 0), czyli z wszystkimi składnikami równymi zero, jest po prostu modelem WN.

W tym ćwiczeniu przećwiczysz symulację podstawowego modelu WN.

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w R

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji arima.sim(), aby zasymulować dane z modelu WN z parametrem list(order = c(0, 0, 0)). Ustaw argument n na 100, aby uzyskać 100 obserwacji. Zapisz wynik jako white_noise.
Zwizualizuj obiekt white_noise za pomocą funkcji ts.plot().
Wywołaj ponownie arima.sim() z tymi samymi ustawieniami, ale tym razem ustaw argument mean na 100, a argument sd na 10. Zapisz wynik jako white_noise_2.
Zwizualizuj obiekt white_noise_2, wywołując ponownie funkcję ts.plot().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)

# Plot your white_noise data


# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)

# Plot your white_noise_2 data

Edytuj i uruchom kod