Підсумкові діагностичні статистики
Важливо вчасно помічати, коли в побудові моделі слід повернутися до етапу проєктування. У цій вправі ви використаєте тестові статистики для залишків у підсумку результатів, щоб вирішити, чи добре модель підходить для часового ряду.
Нагадування про тести, наведені в підсумку моделі:
| Тест | Нульова гіпотеза | Назва p-значення |
|---|---|---|
| Льюнґа–Бокса | У залишках немає кореляцій |
Prob(Q) |
| Жарке–Бера | Залишки мають нормальний розподіл | Prob(JB) |
У вашому середовищі доступні невідомий часовий ряд df і клас моделі ARIMA.
Ця вправа є частиною курсу
Моделі ARIMA в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Create and fit model
model1 = ARIMA(df, order=____)
results1 = model1.fit()
# Print summary
print(____)