Является ли температура случайным блужданием (с дрейфом)?

Модель ARMA — это упрощённый подход к прогнозированию климатических изменений, однако она хорошо иллюстрирует многие темы, рассмотренные в этом курсе.

Датафрейм temp_NY содержит данные о среднегодовой температуре в Центральном парке Нью-Йорка за период с 1870 по 2016 год (данные загружены с сайта NOAA здесь). Постройте график данных и проверьте, описываются ли они случайным блужданием (с дрейфом).

Это упражнение является частью курса

Анализ временных рядов на Python

Посмотреть курс

Инструкции к упражнению

Преобразуйте индекс лет в объект datetime с помощью pd.to_datetime(), передав аргумент format='%Y', поскольку данные являются годовыми.
Постройте график данных с помощью .plot().
Вычислите p-значение расширенного теста Дики–Фуллера, используя функцию adfuller.
Сохраните результаты теста ADF в переменную result и выведите p-значение из result[1].

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Редактировать и запускать код