BaşlayınÜcretsiz Başlayın

ARMA verisi üretme

Bu egzersizde 100 günlük AR/MA/ARMA verisi üreteceksin. Gerçek dünya uygulamalarında bu veriler Google hisse senedi fiyatlarındaki değişimler, New York City'nin enerji gereksinimleri ya da grip vaka sayıları olabilir.

Çalışma alanında bulunan arma_generate_sample() fonksiyonunu kullanarak farklı AR ve MA katsayılarıyla zaman serileri oluşturabilirsin.

Herhangi bir ARMA(p,q) modeli için unutma:

  • ar_coefs listesi şu formdadır: [1, -a_1, -a_2, ..., -a_p].
  • ma_coefs listesi şu formdadır: [1, m_1, m_2, ..., m_q],

burada a_i gecikme-i AR katsayılarını ve m_j gecikme-j MA katsayılarını gösterir.

Bu egzersiz

Python'da ARIMA Modelleri

kursunun bir parçasıdır
Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import data generation function and set random seed
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(1)

# Set coefficients
ar_coefs = [____]
ma_coefs = [____]

# Generate data
y = arma_generate_sample(____, ____, nsample=____, scale=0.5)

plt.plot(y)
plt.ylabel(r'$y_t$')
plt.xlabel(r'$t$')
plt.show()
Kodu Düzenle ve Çalıştır