จำลองโมเดล White Noise
โมเดล White Noise (WN) เป็นโมเดลอนุกรมเวลาพื้นฐาน และยังเป็นรากฐานของโมเดลที่ซับซ้อนกว่าที่เราจะศึกษาต่อไป เราจะเน้นที่ WN รูปแบบที่ง่ายที่สุด นั่นคือข้อมูลที่เป็นอิสระและมีการแจกแจงเหมือนกัน
ฟังก์ชัน arima.sim() ใช้จำลองข้อมูลจากโมเดลอนุกรมเวลาหลายประเภท ARIMA ย่อมาจาก Autoregressive Integrated Moving Average ซึ่งเป็นกลุ่มของโมเดลที่เราจะใช้ตลอดคอร์สนี้
โมเดล ARIMA(p, d, q) ประกอบด้วยสามส่วน ได้แก่ อันดับ Autoregressive p, อันดับการรวม (หรือการหาผลต่าง) d, และอันดับ Moving Average q เราจะอธิบายแต่ละส่วนในเร็วๆ นี้ แต่สำหรับตอนนี้ให้สังเกตว่าโมเดล ARIMA(0, 0, 0) ซึ่งทุกองค์ประกอบเป็นศูนย์ ก็คือโมเดล WN นั่นเอง
ในแบบฝึกหัดนี้ จะได้ฝึกจำลองโมเดล WN พื้นฐาน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์อนุกรมเวลาใน R
คำแนะนำการฝึกหัด
- ใช้
arima.sim()เพื่อจำลองจากโมเดล WN ด้วยlist(order = c(0, 0, 0))กำหนดอาร์กิวเมนต์nเป็น100เพื่อสร้าง 100 การสังเกต แล้วบันทึกข้อมูลนี้เป็นwhite_noise - พล็อต object
white_noiseโดยใช้ts.plot() - เรียกใช้
arima.sim()อีกครั้งเหมือนเดิม แต่คราวนี้กำหนดอาร์กิวเมนต์meanเป็น100และsdเป็น10แล้วบันทึกข้อมูลนี้เป็นwhite_noise_2 - พล็อต object
white_noise_2ด้วยts.plot()อีกครั้ง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)
# Plot your white_noise data
# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)
# Plot your white_noise_2 data