BaşlayınÜcretsiz başlayın

Mevsimsel zaman serileri için otomatik ARIMA modelleri

Videoda öğrendiğin gibi, auto.arima() fonksiyonu mevsimsel verilerle de çalışır. auto.arima() içinde lambda = 0 ayarlamak — log dönüşümü uygulamak — modelin dönüştürülmüş veriye uydurulacağı ve tahminlerin orijinal ölçeğe geri dönüştürüleceği anlamına gelir.

Bu tür bir uyarlanmış modele summary() uyguladıktan sonra, aşağıdaki gibi bir çıktı görebilirsin; bu çıktı \((p,d,q)(P,D,Q)[m]\) biçimine karşılık gelir:

ARIMA(0,1,4)(0,1,1)[12]

Bu egzersizde, Avustralya'daki kortikosteroid ilaçların aylık satışlarını içeren, önceden yüklenmiş h02 verisini modellemek ve tahmin etmek için bu fonksiyonları kullanacaksın.

Bu egzersiz, kursun bir parçasıdır

R ile Tahminleme

Kursa Göz Atın

Egzersiz talimatları

  • Standart çizim fonksiyonunu kullanarak log alınmış h02 verisini çiz ve varyansın kararlı olduğunu kontrol et.
  • h02 serisine lambda = 0 ile mevsimsel bir ARIMA modeli uydur. Bunu fit olarak kaydet.
  • Uygun yöntemi kullanarak uyarlanmış modeli özetle.
  • Modelde hangi seviyelerde fark alma kullanıldı? Gecikme-1 farkını d değişkenine, mevsimsel farkı ise D değişkenine ata.
  • Uydurulmuş modeli kullanarak sonraki 2 yıl için tahminleri çiz. h değerini buna göre ayarla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Check that the logged h02 data have stable variance
h02 %>% ___ %>% ___

# Fit a seasonal ARIMA model to h02 with lambda = 0
fit <- ___

# Summarize the fitted model
___

# Record the amount of lag-1 differencing and seasonal differencing used
d <- ___
D <- ___

# Plot 2-year forecasts
fit %>% ___ %>% ___
Kodu Düzenle ve Çalıştır