Mô phỏng mô hình nhiễu trắng
Mô hình nhiễu trắng (white noise, WN) là một mô hình chuỗi thời gian cơ bản. Nó cũng là nền tảng cho các mô hình phức tạp hơn mà chúng ta sẽ học. Ở đây, chúng ta tập trung vào dạng đơn giản nhất của WN: dữ liệu độc lập và phân phối giống hệt nhau.
Hàm arima.sim() có thể được dùng để mô phỏng dữ liệu từ nhiều mô hình chuỗi thời gian khác nhau. ARIMA là viết tắt của lớp mô hình autoregressive integrated moving average mà chúng ta sẽ dùng xuyên suốt khóa học.
Một mô hình ARIMA(p, d, q) có ba phần: bậc tự hồi quy p, bậc tích phân (hoặc sai phân) d, và bậc trung bình trượt q. Chúng ta sẽ làm rõ từng phần ngay sau đây, nhưng trước mắt cần lưu ý rằng mô hình ARIMA(0, 0, 0), tức là tất cả các thành phần đều bằng không, chính là mô hình WN.
Trong bài tập này, bạn sẽ luyện tập mô phỏng một mô hình WN cơ bản.
Bài tập này là một phần của khóa học
Phân tích chuỗi thời gian bằng R
Hướng dẫn bài tập
- Dùng
arima.sim()để mô phỏng từ mô hình WN vớilist(order = c(0, 0, 0)). Đặt đối sốnbằng100để tạo ra 100 quan sát. Lưu dữ liệu này vàowhite_noise. - Vẽ biểu đồ đối tượng
white_noisecủa bạn bằngts.plot(). - Lặp lại lời gọi
arima.sim()ban đầu nhưng lần này đặt đối sốmeanlà100vàsdlà10. Lưu dữ liệu này vàowhite_noise_2. - Vẽ biểu đồ đối tượng
white_noise_2với một lần gọits.plot()khác.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Simulate a WN model with list(order = c(0, 0, 0))
white_noise <- arima.sim(model = ___, n = ___)
# Plot your white_noise data
# Simulate from the WN model with: mean = 100, sd = 10
white_noise_2 <- arima.sim(model = ___, n = ___, mean = ___, sd = ___)
# Plot your white_noise_2 data