Чи є температура випадковим блуканням (із зсувом)?

Модель ARMA — це спрощений підхід до прогнозування змін клімату, але вона добре ілюструє багато тем цього курсу.

Датафрейм temp_NY містить середню річну температуру в Центральному парку, Нью-Йорк, за 1870–2016 роки (дані завантажено з NOAA тут). Побудуйте графік даних і перевірте, чи відповідають вони випадковому блуканню (із зсувом).

Ця вправа є частиною курсу

Аналіз часових рядів у Python

Переглянути курс

Інструкції до вправи

Перетворіть індекс років на об'єкт datetime за допомогою pd.to_datetime(), і, оскільки дані річні, передайте аргумент format='%Y'.
Побудуйте графік даних за допомогою .plot()
Обчисліть p-значення розширеного тесту Діккі — Фуллера за допомогою функції adfuller.
Збережіть результати ADF-тесту в result і виведіть p-значення з result[1].

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the adfuller function from the statsmodels module
from statsmodels.tsa.stattools import adfuller

# Convert the index to a datetime object
temp_NY.index = pd.to_datetime(___.___, format=___)

# Plot average temperatures
temp_NY.___
plt.show()

# Compute and print ADF p-value
result = ___(temp_NY['TAVG'])
print("The p-value for the ADF test is ", result[1])

Редагувати та запускати код