Modelul white noise sau random walk sunt stationare?

Modelele white noise (WN) și random walk (RW) sunt strâns legate între ele. Totuși, doar RW este întotdeauna non-staționar, atât cu cât și fără un termen de drift. Acesta este un exercițiu de simulare menit să evidențieze diferențele dintre cele două.

Amintește-ți că, dacă pornim de la un proces WN cu medie zero și calculăm suma sa cumulativă, rezultatul este un proces RW. Funcția cumsum() va realiza această transformare pentru tine. Similar, dacă creăm un proces WN cu o medie diferită de zero și calculăm suma sa cumulativă, rezultatul este un proces RW cu drift.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește arima.sim() pentru a genera un model WN. Setează argumentul model la list(order = c(0, 0, 0)) pentru a genera un model de tip WN și setează n la 100 pentru a produce 100 de observații. Salvează rezultatul în white_noise.
Aplică funcția cumsum() pe white_noise pentru a converti rapid modelul WN în date RW. Salvează rezultatul în random_walk.
Folosește un apel similar la arima.sim() pentru a genera un al doilea model WN. Păstrează toate argumentele la fel, dar de această dată setează argumentul mean la 0.4. Salvează rezultatul în wn_drift.
Folosește un alt apel la cumsum() pentru a converti datele wn_drift în RW. Salvează rezultatul în rw_drift.
Introdu codul pre-scris pentru a reprezenta grafic toate cele patru serii și a le compara.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Use arima.sim() to generate WN data
white_noise <- 

# Use cumsum() to convert your WN data to RW
random_walk <- 
  
# Use arima.sim() to generate WN drift data
wn_drift <- 
  
# Use cumsum() to convert your WN drift data to RW
rw_drift <- 

# Plot all four data objects
plot.ts(cbind(white_noise, random_walk, wn_drift, rw_drift))

Editează și rulează codul