Estime o modelo de passeio aleatório

Para uma série temporal y, podemos ajustar o modelo de passeio aleatório com deriva primeiro aplicando a primeira diferença aos dados e, em seguida, ajustando o modelo de ruído branco (WN) aos dados diferenciados usando o comando arima() com o argumento order = c(0, 0, 0)).

O comando arima() exibe informações ou saídas sobre o modelo ajustado. Em Coefficients:, aparece a estimativa da deriva, chamada de intercept. Seu erro-padrão aproximado (ou s.e.) é mostrado logo abaixo. A variância da parte WN do modelo também é estimada, sob o rótulo sigma^2.

Este exercício faz parte do curso

Análise de Séries Temporais em R

Ver curso

Instruções do exercício

A série temporal random_walk já foi carregada e é mostrada na figura ao lado. Use diff() para gerar a primeira diferença dos dados. Salve em rw_diff.
Use ts.plot() para plotar os dados diferenciados.
Use arima() para ajustar o modelo WN aos dados diferenciados. Para isso, defina o argumento x como rw_diff e o argumento order como c(0, 0, 0). Armazene o modelo em model_wn.
Armazene o valor de intercept de model_wn em int_wn. Você pode obter esse valor com model_wn$coef.
Use ts.plot() para reproduzir o gráfico original de random_walk.
Adicione a tendência temporal estimada ao gráfico ao lado com a função abline(). Você pode usar int_wn como segundo argumento.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Difference your random_walk data
rw_diff <- 

# Plot rw_diff


# Now fit the WN model to the differenced data
model_wn <-

# Store the value of the estimated time trend (intercept)
int_wn <- 

# Plot the original random_walk data


# Use abline(0, ...) to add time trend to the figure

Editar e executar o código