НачатьНачать бесплатно

Проверка остатков временного ряда

При применении метода прогнозирования важно всегда проверять, что остатки ведут себя корректно (то есть не содержат выбросов или закономерностей) и напоминают белый шум. Доверительные интервалы вычисляются в предположении, что остатки также подчиняются нормальному распределению. Для проверки этих характеристик можно использовать функцию checkresiduals() — она также выводит результаты теста Льюнга–Бокса.

До сих пор вы не использовали оператор pipe (%>%), но сейчас самое время с ним познакомиться. Когда функций много и они вложены друг в друга, оператор pipe значительно упрощает чтение кода. Для единообразия всегда добавляйте скобки после функции, чтобы отличать её от других объектов, — даже если она не принимает аргументов. Пример приведён ниже:

> function(foo)       # Эти два варианта
> foo %>% function()  # равнозначны!

> foo %>% function    # Непоследовательно

В этом упражнении вы примените указанные функции к прогнозам, аналогичным тем, что вы получили в предыдущем упражнении (fcgoog — результат применения naive() к goog, и fcbeer — результат применения snaive() к ausbeer).

Это упражнение является частью курса

Прогнозирование в R

Посмотреть курс

Инструкции к упражнению

  • Используя оператор pipe, запустите checkresiduals() для прогноза, эквивалентного fcgoog.
  • На основе результатов теста Льюнга–Бокса определите, напоминают ли остатки белый шум. Присвойте переменной googwn значение TRUE или FALSE.
  • Используя аналогичный оператор pipe, запустите checkresiduals() для прогноза, эквивалентного fcbeer.
  • На основе результатов теста Льюнга–Бокса определите, напоминают ли остатки белый шум. Присвойте переменной beerwn значение TRUE или FALSE.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Check the residuals from the naive forecasts applied to the goog series
goog %>% naive() %>% ___

# Do they look like white noise (TRUE or FALSE)
googwn <- ___

# Check the residuals from the seasonal naive forecasts applied to the ausbeer series
___

# Do they look like white noise (TRUE or FALSE)
beerwn <- ___
Редактировать и запускать код