Rasgele yürüyüş modelini tahmin et

Verilen bir zaman serisi y için, veriyi önce birinci farkını alıp, ardından arima() komutunu order = c(0, 0, 0)) argümanıyla kullanarak farkı alınmış verilere beyaz gürültü (WN) modelini oturtarak, drift içeren rasgele yürüyüş modelini kurabiliriz.

arima() komutu, oturtulan modelle ilgili bilgi/çıktı gösterir. Coefficients: başlığının altında, intercept olarak adlandırılan tahmini drift değişkeni yer alır. Yaklaşık standart hatası (s.e.) hemen altında verilir. Modelin WN kısmının varyansı da sigma^2 etiketi altında tahmin edilir.

Bu egzersiz, kursun bir parçasıdır

R ile Zaman Serisi Analizi

Kursa Göz Atın

Egzersiz talimatları

random_walk zaman serisi zaten yüklendi ve yan taraftaki grafikte gösteriliyor. Verinin birinci farkını üretmek için diff() kullan. Bunu rw_diff olarak kaydet.
Farkı alınmış verini çizdirmek için ts.plot() kullan
Farkı alınmış veriler için WN modelini oturtmak üzere arima() kullan. Bunun için x argümanını rw_diff olarak, order argümanını c(0, 0, 0) olarak ayarla. Modeli model_wn içinde sakla.
model_wn'in intercept değerini int_wn içine kaydet. Bu değeri model_wn$coef kullanarak alabilirsin.
random_walk için orijinal grafiğini yeniden üretmek üzere ts.plot() kullan.
Tahmini zaman trendini abline() fonksiyonuyla bitişik grafiğe ekle. İkinci argüman olarak int_wn kullanabilirsin.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Difference your random_walk data
rw_diff <- 

# Plot rw_diff


# Now fit the WN model to the differenced data
model_wn <-

# Store the value of the estimated time trend (intercept)
int_wn <- 

# Plot the original random_walk data


# Use abline(0, ...) to add time trend to the figure

Kodu Düzenle ve Çalıştır