模擬自我迴歸模型
自我迴歸（AR）模型大概是最常用的時間序列模型。它的解讀方式和簡單線性迴歸很相似，但在這裡，每個觀測值是對前一期的觀測值做迴歸。AR 模型還把你在前面章節學到的白噪音（WN）與隨機漫步（RW）模型，作為特例包含在內。
前幾章使用過的多功能 arima.sim()，也能用來模擬 AR 模型的資料；只要把 model 引數設為 list(ar = phi)，其中 phi 是介於 (-1, 1) 的斜率參數。我們也需要指定序列長度 n。
在這個練習中，你會用這個指令分別模擬並繪製 3 個 AR 模型，斜率參數分別為 0.5、0.9 和 -0.75。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
arima.sim()模擬斜率為 0.5 的 AR 模型，共 100 個觀測值。將model設為list(ar = 0.5)，n設為100。把模擬結果存到x。 - 以類似方式呼叫
arima.sim()，模擬斜率為 0.9 的 AR 模型，共 100 個觀測值。把結果存到y。 - 第三次呼叫
arima.sim()，模擬斜率為 -0.75 的 AR 模型，共 100 個觀測值。把結果存到z。 - 使用
plot.ts()搭配cbind()，將三個 ts 物件（x、y、z）一併繪圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Simulate an AR model with 0.5 slope
x <- arima.sim(model = ___, n = ___)
# Simulate an AR model with 0.9 slope
y <-
# Simulate an AR model with -0.75 slope
z <-
# Plot your simulated data
plot.ts(cbind(___, ___, ___))