Simulera slumpvandringsmodellen med drift
En slumpvandring (RW) behöver inte röra sig kring noll – den kan ha en uppåt- eller nedåtgående tendens, det vill säga en drift eller tidstrend. Detta uppnås genom att inkludera en konstant term i RW-modellen, vilket motsvarar lutningen på RW-tidstrenden.
Ett alternativt sätt är att ta den kumulativa summan av en vit brus-serie (WN) med konstant medelvärde, där medelvärdet motsvarar lutningen på RW-tidstrenden.
För att simulera data från RW-modellen med drift använder du återigen funktionen arima.sim() med argumentet model = list(order = c(0, 1, 0)). Den här gången ska du även lägga till argumentet mean = ... för att ange driftvariabeln, det vill säga konstanttermen.
Den här övningen är en del av kursen
Tidsserieanalys i R
Övningsinstruktioner
- Använd
arima.sim()för att generera ytterligare en RW-modell. Sätt argumentetmodeltilllist(order = c(0, 1, 0))för att generera en RW-modell och sättntill100för att producera 100 observationer. Sätt argumentetmeantill1för att skapa en drift. Spara resultatet irw_drift. - Använd
ts.plot()för att plotta dinrw_drift-data. - Använd
diff()för att beräkna den första differensen av dinrw_drift-data. Spara resultatet somrw_drift_diff. - Använd ytterligare ett anrop till
ts.plot()för att plottarw_drift_diff.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Generate a RW model with a drift uing arima.sim
rw_drift <- arima.sim(model = ___, n = ___, mean = ___)
# Plot rw_drift
# Calculate the first difference series
rw_drift_diff <-
# Plot rw_drift_diff