Säsongs-ACF och PACF
Nedan visas en tidsserie med det uppskattade antalet vattenkonsumenter i London. Med blotta ögat syns inget tydligt säsongsmönster – men ögat är inte det bästa verktyget du har.
I den här övningen använder du ACF och PACF för att testa om data har en säsongskomponent. Som du kan se i diagrammet ovan är tidsserien inte stationär, så du bör troligen ta bort trenden. Det gör du genom att subtrahera glidande medelvärde. Tänk på att fönsterstorlek kan väljas till vilket värde som helst som är större än den troliga perioden.
Funktionen plot_acf() har importerats och tidsserien har laddats in som water.
Den här övningen är en del av kursen
ARIMA-modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create figure and subplot
fig, ax1 = plt.subplots()
# Plot the ACF on ax1
plot_acf(____, ____, zero=False, ax=ax1)
# Show figure
plt.show()