在上一個練習中，你對經過取對數並差分的 varve 序列配適了兩個不同的 ARMA 模型：一個 MA(1) 與一個 ARMA(1,1) 模型。殘差分析的圖形會依執行順序顯示：
以下哪一個陳述是錯的（只要不完全正確就視為錯的——資料分析可不是政治）？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
你將探究時間數列資料的特性，並學習可解釋此類資料行為的 ARMA 模型基礎。你會學到基本的 R 指令，將原始時間數列資料整理成可用 ARMA 模型分析的形式。
你將走進 ARMA 模型的世界，並學會如何將這些模型配適到時間數列資料。你會學會如何辨識模型、如何選擇合適的模型，以及在配適後如何驗證模型。你也會學會使用 R 的時間數列指令，來自 stats 與 astsa 套件。
當前練習
既然你已能為定態的時間數列配適 ARMA 模型，接下來你會學習針對非定態時間數列的整合式 ARMA（ARIMA）模型。你會使用 R 中 stats 與 astsa 套件的時間數列指令，把模型配適到真實資料。
你將學會使用季節性 ARIMA 模型來配適並預測季節性時間數列資料。這會結合你在前幾章所學，並進一步學會擴充 stats 與 astsa 套件中的 R 時間數列指令。
