Basit hareketli ortalama modelini tahmin et

Artık bazı MA modellerini benzetimle ürettin ve bu modellerin ACF’lerini hesapladın; sıradaki adım arima() komutunu kullanarak verilere basit hareketli ortalama (MA) modelini uydurmak. Verilen bir zaman serisi x için basit hareketli ortalama (MA) modelini arima(..., order = c(0, 0, 1)) ile kurabiliriz. Referans olarak, bir MA modelinin ARIMA(0, 0, 1) olduğunu unutma.

Bu egzersizde, önceden yüklenmiş bir zaman serisini (x, sağdaki grafikte gösteriliyor) ve önceki bölümlerde kullanılan Nile veri setini kullanarak pratik yapacaksın.

Bu egzersiz, kursun bir parçasıdır

R ile Zaman Serisi Analizi

Kursa Göz Atın

Egzersiz talimatları

arima() kullanarak x serisine MA modelini uydur.
arima() çıktında elde edilen eğim (ma1), ortalama (intercept) ve yenilik varyansı (sigma^2) tahminleri nedir? Bunları çalışma alanına yapıştır.
Benzer bir arima() çağrısı ile Nile verisine MA modelini uydur. Sonuçları MA olarak kaydet ve çıktıyı göstermek için print() kullan.
Son olarak, Nile verisini ve uydurduğun MA değerlerini çizdirmek için önceden yazılmış komutları kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Fit the MA model to x
arima(___, order = ___)

# Paste the slope (ma1) estimate below


# Paste the slope mean (intercept) estimate below


# Paste the innovation variance (sigma^2) estimate below


# Fit the MA model to Nile
MA <- arima(___, order = ___)
print(MA)

# Plot Nile and MA_fit 
ts.plot(Nile)
MA_fit <- Nile - resid(MA)
points(MA_fit, type = "l", col = 2, lty = 2)

Kodu Düzenle ve Çalıştır