Följer temperaturen en slumpvandring (med drift)?

En ARMA-modell är ett förenklat sätt att prognostisera klimatförändringar, men den illustrerar många av de ämnen som tas upp i den här kursen.

DataFrame:en temp_NY innehåller den genomsnittliga årliga temperaturen i Central Park, New York, för perioden 1870–2016 (data hämtad från NOAA här). Plotta datan och testa om den följer en slumpvandring (med drift).

Den här övningen är en del av kursen

Tidsserieanalys i Python

Visa kurs

Övningsinstruktioner

Konvertera årsindexet till ett datetime-objekt med pd.to_datetime(), och eftersom datan är årlig, ange argumentet format='%Y'.
Plotta datan med .plot().
Beräkna p-värdet för det förstärkta Dickey-Fuller-testet med funktionen adfuller.
Spara resultaten från ADF-testet i result och skriv ut p-värdet i result[1].

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Redigera och kör kod