Kom igångKom igång gratis

AIC och BIC jämfört med ACF och PACF

I den här övningen ska du utföra en AIC-BIC-ordningssökning för jordbävningarnas tidsserie. I den föregående lektionen kom du fram till att denna datamängd liknar en AR(1)-process. Du gör nu en rutnätssökning över parametrarna för att se om du får samma resultat. ACF- och PACF-plottarna för denna datamängd visas nedan.

<\center>

Modellklassen ARIMA och tidsseriens DataFrame earthquake finns tillgängliga i din miljö.

Den här övningen är en del av kursen

ARIMA-modeller i Python

Visa kurs

Övningsinstruktioner

  • Loopa över ordningarna p och q mellan 0 och 2.
  • Inuti loopen, försök (try) att anpassa en ARMA(p,q) till earthquake i varje iteration.
  • Skriv ut p och q tillsammans med AIC och BIC i varje iteration.
  • Om modellanpassningen misslyckas, skriv ut p, q, None, None.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Loop over p values from 0-2
for p in ____:
    # Loop over q values from 0-2
    for q in ____:
      
        try:
            # create and fit ARMA(p,q) model
            model = ____
            results = model.____
            
            # Print order and results
            print(p, q, ____, ____)
            
        except:
            print(p, q, ____, ____)
Redigera och kör kod