НачатьНачать бесплатно

Преобразования Бокса–Кокса для временных рядов

В этом упражнении вы примените преобразование Бокса–Кокса, чтобы стабилизировать дисперсию предварительно загруженного ряда a10, который содержит ежемесячные данные о продажах противодиабетических препаратов в Австралии с 1991 по 2008 год.

Поэкспериментируйте с параметром lambda (\(\lambda\)) и понаблюдайте, как он влияет на результат преобразования. Обратите внимание, что небольшие изменения \(\lambda\) слабо сказываются на итоговом ряде. Ваша цель — найти такое значение \(\lambda\), при котором сезонные колебания будут примерно одинаковыми по всему ряду.

Напомним из видео: рекомендуемый диапазон значений lambda — \(-1 ≤ \lambda ≤ 1\).

Это упражнение является частью курса

Прогнозирование в R

Посмотреть курс

Инструкции к упражнению

  • Постройте график ряда a10 и обратите внимание на рост дисперсии по мере увеличения уровня ряда.
  • Попробуйте преобразовать ряд с помощью функции BoxCox(), используя формат из примера кода. Проверьте четыре значения lambda: 0.0, 0.1, 0.2 и 0.3. Какое из них лучше всего стабилизирует дисперсию?
  • Сравните выбранное значение lambda с тем, которое возвращает функция BoxCox.lambda().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Plot the series
___

# Try four values of lambda in Box-Cox transformations
a10 %>% BoxCox(lambda = ___) %>% autoplot()
___
___
___

# Compare with BoxCox.lambda()
___
Редактировать и запускать код