Оцініть модель випадкового блукання

Для заданого часового ряду y ми можемо підігнати модель випадкового блукання з дрейфом, спочатку взявши перші різниці даних, а потім оцінивши модель білого шуму (WN) для різницевого ряду командою arima() з аргументом order = c(0, 0, 0)).

Команда arima() виводить інформацію про підігнану модель. У розділі Coefficients: наведено оцінений параметр дрейфу з назвою intercept. Його наближена стандартна помилка (s.e.) наведена безпосередньо під ним. Дисперсія частини моделі WN також оцінюється під міткою sigma^2.

Ця вправа є частиною курсу

Аналіз часових рядів в R

Переглянути курс

Інструкції до вправи

Часовий ряд random_walk уже завантажено і його показано на сусідньому графіку. Скористайтеся diff(), щоб отримати першу різницю даних. Збережіть результат у rw_diff.
Використайте ts.plot(), щоб побудувати графік різницевих даних.
Застосуйте arima(), щоб підігнати модель WN для різницевих даних. Для цього встановіть аргумент x як rw_diff і аргумент order як c(0, 0, 0). Збережіть модель у model_wn.
Збережіть значення intercept з model_wn у змінній int_wn. Це значення можна отримати через model_wn$coef.
Використайте ts.plot(), щоб відтворити початковий графік random_walk.
Додайте до сусіднього графіка оцінену часову тенденцію за допомогою функції abline(). Як другий аргумент можна використати int_wn.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код