Kom igångKom igång gratis

AR eller MA

I den här övningen använder du ACF och PACF för att avgöra om en datamängd passar bäst för en MA-modell eller en AR-modell. Kom ihåg att välja rätt modellordning är avgörande för våra prognoser.

Kom ihåg att vi förväntar oss följande beteende i ACF och PACF för olika modelltyper:

AR(p)MA(q)ARMA(p,q)
ACFAvtar gradvisSkärs av efter lag qAvtar gradvis
PACFSkärs av efter lag pAvtar gradvisAvtar gradvis

En tidsserie med okända egenskaper, df, finns tillgänglig i din miljö.

Den här övningen är en del av kursen

ARIMA-modeller i Python

Visa kurs

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import
from statsmodels.graphics.tsaplots import ____, ____

# Create figure
fig, (ax1, ax2) = plt.subplots(2,1, figsize=(12,8))
 
# Plot the ACF of df
____(____, lags=____, zero=False, ax=ax1)

# Plot the PACF of df
____(____, lags=____, zero=____, ax=ax2)

plt.show()
Redigera och kör kod