白雜訊模型或隨機漫步模型是定態的嗎？
白雜訊（WN）與隨機漫步（RW）模型關係非常密切。不過，只有 RW 無論是否包含漂移項都一定是非定態的。本題透過模擬來凸顯兩者的差異。
回想一下：若從平均為 0 的 WN 過程出發，計算其移動（累積）總和，就會得到 RW 過程。cumsum() 函式可以幫你完成這個轉換。類似地，若先建立一個 WN 過程、把平均值從 0 改成其他數，然後再計算其累積總和，結果會是帶有漂移的 RW 過程。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
arima.sim()產生一個 WN 模型。將model參數設為list(order = c(0, 0, 0))以生成 WN 類型模型，並將n設為100以產生 100 筆觀測值。將結果存到white_noise。 - 對
white_noise使用cumsum()，將 WN 模型快速轉換為 RW 資料。將結果存到random_walk。 - 以相同方式再次呼叫
arima.sim()產生第二個 WN 模型。保留其他參數不變，但這次將mean參數設為0.4。將結果存到wn_drift。 - 再次呼叫
cumsum()，把wn_drift資料轉換為 RW。將結果存為rw_drift。 - 輸入已預先寫好的程式碼，將四個序列一併繪圖以便比較。
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。
# Use arima.sim() to generate WN data
white_noise <-
# Use cumsum() to convert your WN data to RW
random_walk <-
# Use arima.sim() to generate WN drift data
wn_drift <-
# Use cumsum() to convert your WN drift data to RW
rw_drift <-
# Plot all four data objects
plot.ts(cbind(white_noise, random_walk, wn_drift, rw_drift))