Kom igångKom igång gratis

Automatisk prognostisering med exponentiell utjämning

Namngivningsfunktionen för att identifiera fel, trend och säsongsvariation (ETS) erbjuder ett helt automatiskt sätt att skapa prognoser för ett brett urval av tidsserier.

Du ska nu testa den på två serier, austa och hyndsight, som du tidigare har arbetat med i det här kapitlet. Båda finns förinlästa i din arbetsmiljö.

Den här övningen är en del av kursen

Prognoser i R

Visa kurs

Övningsinstruktioner

  • Anpassa en ETS-modell till austa med hjälp av ets() och spara resultatet i fitaus.
  • Kontrollera residualerna från den här modellen med lämplig funktion.
  • Visualisera prognoser från modellen genom att använda forecast() och autoplot() tillsammans.
  • Upprepa dessa tre steg för datan i hyndsight och spara modellen i fiths.
  • Vilken eller vilka modeller klarar inte Ljung-Box-testet? Tilldela fitausfail och fithsfail antingen TRUE (om testet misslyckas) eller FALSE (om testet godkänns).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Fit ETS model to austa in fitaus
___ <- ___(___)

# Check residuals
___(___)

# Plot forecasts
___(___(___))

# Repeat for hyndsight data in fiths
fiths <- ___(___)
___(___)
___(___(___))

# Which model(s) fails test? (TRUE or FALSE)
fitausfail <- ___
fithsfail <- ___
Redigera och kör kod