Симуляция модели белого шума

Модель белого шума (WN) — это базовая модель временных рядов, которая также служит основой для более сложных моделей. Мы рассмотрим простейшую её форму: независимые одинаково распределённые данные.

Функция arima.sim() позволяет симулировать данные по различным моделям временных рядов. ARIMA — это сокращение от «авторегрессионная интегрированная скользящая средняя» (autoregressive integrated moving average) — класса моделей, который мы будем изучать на протяжении всего курса.

Модель ARIMA(p, d, q) включает три компонента: порядок авторегрессии p, порядок интегрирования (или дифференцирования) d и порядок скользящей средней q. Каждый из них мы рассмотрим подробнее, но уже сейчас важно отметить: модель ARIMA(0, 0, 0), то есть с нулевыми значениями всех компонентов, — это и есть модель белого шума.

В этом упражнении вы попрактикуетесь в симуляции базовой модели белого шума.

Это упражнение является частью курса

Анализ временных рядов в R

Посмотреть курс

Инструкции к упражнению

С помощью arima.sim() симулируйте модель белого шума с параметром list(order = c(0, 0, 0)). Установите аргумент n равным 100, чтобы получить 100 наблюдений. Сохраните результат в переменную white_noise.
Постройте график объекта white_noise с помощью ts.plot().
Повторите исходный вызов arima.sim(), но на этот раз задайте аргументу mean значение 100, а аргументу sd — значение 10. Сохраните результат в переменную white_noise_2.
Постройте график объекта white_noise_2, снова вызвав ts.plot().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)

# Plot your white_noise data


# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)

# Plot your white_noise_2 data

Редактировать и запускать код