MA(q) modelini simüle et

Hareketli ortalama (MA) modelleri de önceki yinelemeye bağlıdır. AR modellerinden farklı olarak, bağımlılık gürültü (noise) kısmınadır.

İşte R ile algoritma:

ma1 <- function(n, mu, theta, sd) {
  q <- length(theta)
  x <- numeric(n)
  eps <- rnorm(n, 0, sd)
  for(i in seq(q + 1, n)) {
    value <- mu + eps[i]
    for(j in seq_len(q)) {
      value <- value + theta[j] * eps[i - j]
    }
    x[i] <- value
  }
  x
}

n simüle edilen gözlem sayısıdır, mu beklenen değerdir, theta hareketli ortalama katsayılarını içeren sayısal bir vektördür ve sd gürültünün standart sapmasıdır.

Bu bölümün başlarında, normal dağılımdan tek bir sayı üretmek için R::rnorm() kullandın. Ayrıca tek seferde tüm bir sayısal vektörü üretebilen Rcpp::rnorm() da vardır. Bu, R'deki rnorm() ile aynı argümanları alır. ma1() fonksiyonunun C++ çevirisi olan ma2() fonksiyon tanımını tamamla.

Bu egzersiz, kursun bir parçasıdır

Rcpp ile R Kodunu Optimize Etme

Kursa Göz Atın

Egzersiz talimatları

Gürültü vektörünü eps olarak üret. Rcpp ad alanındaki rnorm()u kullan (R ad alanındaki değil).
Dış döngü içinde, value değerini mu artı i. gürültü değeri olarak hesapla.
İç döngü içinde, value değerini theta'nın j. elemanı çarpı eps'in "i eksi j eksi 1". elemanı kadar artır.
Döngülerden sonra, x'in i. elemanını value olarak ayarla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

#include 
using namespace Rcpp ;

// [[Rcpp::export]]
NumericVector ma2( int n, double mu, NumericVector theta, double sd ){
  int q = theta.size(); 
  NumericVector x(n);
  
  // Generate the noise vector
  NumericVector eps = ___(___, 0.0, ___);
    
  // Loop from q to n
  for(int i = q; i < n; i++) {
    // Value is mean plus noise
    double value = ___ + ___;
    // Loop from zero to q
    for(int j = 0; j < q; j++) {
      // Increase by the jth element of theta times
      // the "i minus j minus 1"th element of eps
      value += ___ * ___;
    }
    // Set ith element of x to value
    ___ = ___;
  }
    return x ;
}

/*** R
d <- data.frame(
  x = 1:50,
  y = ma2(50, 10, c(1, -0.5), 1)
)
ggplot(d, aes(x, y)) + geom_line()
*/

Kodu Düzenle ve Çalıştır