Compare os modelos passeio aleatório (RW) e autorregressivo (AR)

O modelo de passeio aleatório (RW) é um caso especial do modelo autorregressivo (AR), em que o parâmetro de inclinação é igual a 1. Lembre-se dos capítulos anteriores que o modelo RW não é estacionário e apresenta persistência muito forte. Sua função de autocovariância amostral (ACF) também decai para zero muito lentamente, o que significa que valores passados têm impacto duradouro nos valores atuais.

O modelo AR estacionário tem um parâmetro de inclinação entre -1 e 1. O modelo AR apresenta maior persistência quando seu parâmetro de inclinação está mais próximo de 1, mas o processo retorna à média relativamente rápido. Sua ACF amostral também decai para zero em um ritmo rápido (geométrico), indicando que valores muito antigos têm pouco impacto nos valores futuros do processo.

Neste exercício, você vai explorar essas características simulando e traçando dados adicionais de um modelo AR.

Este exercício faz parte do curso

Análise de Séries Temporais em R

Ver curso

Instruções do exercício

Use arima.sim() para simular 200 observações de um modelo AR com inclinação 0.9. Salve em x.
Use ts.plot() para plotar x e use acf() para ver sua ACF amostral.
Agora faça o mesmo com um modelo AR com inclinação 0.98. Salve em y.
Agora faça o mesmo com um modelo RW (z) e compare as séries temporais e as ACFs amostrais geradas por esses três modelos.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Simulate and plot AR model with slope 0.9 
x <- arima.sim(model = ___, n = ___)
ts.plot(___)
acf(___)

# Simulate and plot AR model with slope 0.98
y <- 
ts.plot(___)
acf(___)

# Simulate and plot RW model
z <- 
ts.plot(___)
acf(___)

Editar e executar o código