1. 学ぶ
    2. /
  2. コース
    3. /
  3. Tidsserieanalys i R
Connected

演習

Simulera modellen för vitt brus

Modellen för vitt brus (WN) är en grundläggande tidsseriemodell och utgör även basen för de mer avancerade modeller vi kommer att arbeta med. Här fokuserar vi på den enklaste formen av WN: oberoende och identiskt fördelade data.

Funktionen arima.sim() kan användas för att simulera data från en mängd olika tidsseriemodeller. ARIMA är en förkortning för den autoregressiva integrerade glidande medelvärdesklassen av modeller som vi kommer att använda genomgående i den här kursen.

En ARIMA(p, d, q)-modell har tre delar: den autoregressiva ordningen p, integrationsordningen (eller differensordningen) d samt ordningen för det glidande medelvärdet q. Vi går igenom var och en av dessa delar inom kort, men noterar redan nu att ARIMA(0, 0, 0)-modellen – där alla komponenter är noll – helt enkelt är WN-modellen.

I den här övningen får du öva på att simulera en grundläggande WN-modell.

指示

100 XP
  • Använd arima.sim() för att simulera från WN-modellen med list(order = c(0, 0, 0)). Sätt argumentet n till 100 för att generera 100 observationer. Spara datan som white_noise.
  • Plotta ditt white_noise-objekt med ts.plot().
  • Upprepa ditt ursprungliga anrop till arima.sim(), men sätt den här gången argumentet mean till 100 och argumentet sd till 10. Spara datan som white_noise_2.
  • Plotta ditt white_noise_2-objekt med ett nytt anrop till ts.plot().