1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích chuỗi thời gian bằng R
Connected

Bài tập

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.

Hướng dẫn

100 XP
  • Dùng arima.sim() để mô phỏng từ mô hình WN với list(order = c(0, 0, 0)). Đặt đối số n bằng 100 để tạo ra 100 quan sát. Lưu dữ liệu này vào white_noise.
  • Vẽ biểu đồ đối tượng white_noise của bạn bằng ts.plot().
  • Lặp lại lời gọi arima.sim() ban đầu nhưng lần này đặt đối số mean là 100 và sd là 10. Lưu dữ liệu này vào white_noise_2.
  • Vẽ biểu đồ đối tượng white_noise_2 với một lần gọi ts.plot() khác.