Ototekrarlamalı (AR) modeli tahmin et

Verilen bir zaman serisi x için, arima() komutunu kullanıp order değerini c(1, 0, 0) olarak ayarlayarak ototekrarlamalı (AR) modeli uydurabiliriz. Referans olması için, bir AR modelinin ARIMA(1, 0, 0) modeli olduğunu unutma.

Bu egzersizde, simüle edilmiş zaman serisi x üzerinde ve ayrıca AirPassengers verisi üzerinde arima() komutunu pratik ederek AR modelinin ek özelliklerini keşfedeceksin. Bu komut, modelin tahmini eğimini (ar1), ortalamasını (intercept) ve yenilik varyansını (sigma^2) belirlemene olanak tanır.

Hem x hem de AirPassengers verisi çalışma ortamında önceden yüklü. x zaman serisi sağdaki görselde gösteriliyor.

Bu egzersiz, kursun bir parçasıdır

R ile Zaman Serisi Analizi

Kursa Göz Atın

Egzersiz talimatları

arima() kullanarak x serisine AR modelini uydur. Bu komutun çıktısını dikkatle incele.
Bir önceki komutundan elde ettiğin eğim (ar1), ortalama (intercept) ve yenilik varyansı (sigma^2) tahminleri nedir? Bunları R çalışma alanına yaz.
Şimdi AR modelini AirPassengers verisine uydur ve sonucu AR olarak kaydet. Uydurulan AR modelini görüntülemek için print() kullan.
Son olarak, verilen komutları kullanarak AirPassengers serisini çiz, tahmin edilen (fitted) değerleri hesapla ve şekle ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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

# Copy and paste the slope (ar1) estimate


# Copy and paste the slope mean (intercept) estimate


# Copy and paste the innovation variance (sigma^2) estimate


# Fit the AR model to AirPassengers
AR <-
print(AR)

# Run the following commands to plot the series and fitted values
ts.plot(AirPassengers)
AR_fitted <- AirPassengers - residuals(AR)
points(AR_fitted, type = "l", col = 2, lty = 2)

Kodu Düzenle ve Çalıştır