เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ดัชนีเวลาบอกอะไรเราได้บ้าง?

ข้อมูลบางประเภทมีช่วงเวลาที่เว้นระยะเท่ากันโดยธรรมชาติ อนุกรมเวลา discrete_data ในกราฟด้านบนมี 20 การสังเกต โดยแต่ละการสังเกตปรากฏที่ดัชนีเวลาแบบไม่ต่อเนื่อง 1 ถึง 20 การใช้ดัชนีเวลาแบบไม่ต่อเนื่องจึงเหมาะสมกับ discrete_data

อนุกรมเวลา continuous_series ในกราฟด้านล่างก็มี 20 การสังเกตเช่นกัน และมีรูปแบบคาบเหมือนกับ discrete_data แต่การสังเกตไม่ได้เว้นระยะเท่ากัน การสังเกตที่ 1, 2 และการสังเกตสุดท้ายถูกบันทึกที่เวลา 1.210322, 1.746137 และ 20.180524 ตามลำดับ การใช้ดัชนีเวลาแบบต่อเนื่องจึงเหมาะกับ continuous_series อย่างไรก็ตาม การสังเกตมีระยะห่างใกล้เคียงกัน โดยมีประมาณ 1 การสังเกตต่อหน่วยเวลา ลองมาดูกันว่าการใช้ดัชนีเวลาแบบไม่ต่อเนื่องกับ continuous_series จะให้ผลอย่างไร

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์อนุกรมเวลาใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ plot(___, ___, type = "b") เพื่อแสดงกราฟของ continuous_series เทียบกับ continuous_time_index ซึ่งเป็นดัชนีเวลาแบบต่อเนื่อง
  • สร้างเวกเตอร์ 1:20 เพื่อใช้เป็นดัชนีเวลาแบบไม่ต่อเนื่อง
  • จากนั้นใช้ plot(___, ___, type = "b") เพื่อแสดงกราฟของ continuous_series เทียบกับ discrete_time_index
  • สังเกตความแตกต่างระหว่างกราฟทั้งสอง แม้จะต่างกันอยู่บ้าง แต่การประมาณนี้ถือว่าสมเหตุสมผล เพราะแนวโน้มโดยรวมยังคงได้รับการรักษาไว้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the continuous_series using continuous time indexing
par(mfrow=c(2,1))
plot(continuous_time_index,___, type = "b")

# Make a discrete time index using 1:20 
discrete_time_index <-

# Now plot the continuous_series using discrete time indexing
plot(discrete_time_index,___, type = "b")
แก้ไขและรันโค้ด