BaşlayınÜcretsiz Başlayın

Küresel ısınma

Artık simüle veriye ARIMA modeli uyarlama konusunda biraz deneyim kazandığına göre, sıradaki görevin bu becerilerini gerçek dünya verilerine uygulamak.

globtemp (astsa paketinden) verisi, 2015’e kadar olan yıllık küresel sıcaklık sapmalarını içerir. Bu egzersizde, veriye ARIMA modeli uyarlamak için yerleşik teknikleri kullanacaksın. Verinin grafiği rastgele yürüyüş (random walk) davranışı gösteriyor; bu da farklanmış verilerle çalışman gerektiğini düşündürüyor. Farklanmış veri diff(globtemp) de ayrıca çizilmiştir.

Farklanmış verinin diff(globtemp) örnek ACF ve PACF grafiklerini çizdikten sonra şunları söyleyebilirsin:

  1. Hem ACF hem de PACF yavaşça sönümleniyor; bu da ARIMA(1,1,1) modelini ima eder.
  2. ACF gecikme 2’de kesiliyor ve PACF sönümleniyor; bu da ARIMA(0,1,2) modelini ima eder.
  3. ACF sönümleniyor ve PACF gecikme 3’te kesiliyor; bu da ARIMA(3,1,0) modelini ima eder. Bu model makul düzeyde uyum sağlasa da, otokorelasyonlar bu kadar küçükken çok fazla parametre kullandığı için üç modelin en kötüsüdür (kontrol edebilirsin).

İlk iki modeli uyarladıktan sonra, tercih edilen modeli seçmek için AIC ve BIC değerlerini kontrol et.

Bu egzersiz

R ile ARIMA Modelleri

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Farklanmış verinin, diff(globtemp), örnek ACF ve PACF grafiklerini çiz ve iki makul model olduğunu keşfet: ARIMA(1,1,1) ve ARIMA(0,1,2).
  • globtemp için sarima() kullanarak bir ARIMA(1,1,1) modeli uygula. Tüm parametreler anlamlı mı?
  • sarima()'yı tekrar çağırarak globtemp için bir ARIMA(0,1,2) modeli uygula. Tüm parametreler anlamlı mı? Hangi model daha iyi?

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Plot the sample P/ACF pair of the differenced data 


# Fit an ARIMA(1,1,1) model to globtemp


# Fit an ARIMA(0,1,2) model to globtemp. Which model is better?
Kodu Düzenle ve Çalıştır