Rastgele yürüyüş (RW) ve otoregresif (AR) modelleri karşılaştır
Rastgele yürüyüş (RW) modeli, eğim parametresinin 1 olduğu özel bir otoregresif (AR) model durumudur. Önceki bölümlerden hatırlayacağın üzere RW modeli durağan değildir ve çok güçlü bir kalıcılık gösterir. Örnek otokovaryans fonksiyonu (ACF) da sıfıra çok yavaş bir şekilde azalır; bu da geçmiş değerlerin güncel değerlere uzun süreli etkisi olduğu anlamına gelir.
Durağan AR modelinde eğim parametresi -1 ile 1 arasındadır. Eğim 1’e yaklaştıkça AR modelinin kalıcılığı artar, ancak süreç ortalamasına nispeten hızlı döner. Örnek ACF’si de sıfıra hızlı (geometrik) bir hızla azalır; bu da geçmişte çok geride kalan değerlerin sürecin gelecekteki değerleri üzerinde az etkisi olduğunu gösterir.
Bu egzersizde, bir AR modelinden ek veri simüle edip görselleştirerek bu özellikleri keşfedeceksin.
Bu egzersiz, kursun bir parçasıdır
R ile Zaman Serisi Analizi
Egzersiz talimatları
arima.sim()kullanarak eğimi0.9olan bir AR modelinden 200 gözlem simüle et. Bunuxolarak kaydet.ts.plot()ilex’i çiz ve örnek ACF’sini görmek içinacf()kullan.- Şimdi aynı işlemi eğimi
0.98olan bir AR modeli için yap. Bunuyolarak kaydet. - Şimdi de bir RW modeli (
z) için aynısını yap ve bu üç modelin ürettiği zaman serilerini ve örnek ACF’lerini karşılaştır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Simulate and plot AR model with slope 0.9
x <- arima.sim(model = ___, n = ___)
ts.plot(___)
acf(___)
# Simulate and plot AR model with slope 0.98
y <-
ts.plot(___)
acf(___)
# Simulate and plot RW model
z <-
ts.plot(___)
acf(___)