模擬 white noise 模型
white noise（WN，白雜訊）模型是基礎的時間序列模型，同時也是後續更進階模型的出發點。我們先聚焦在最簡單的 WN 形式：獨立且同分配的資料。
arima.sim() 函式可用來從各式各樣的時間序列模型進行模擬。ARIMA 是本課程將探討的自我迴歸、整合與移動平均模型類別的縮寫。
一個 ARIMA(p, d, q) 模型包含三個部分：自我迴歸階數 p、整合（或差分）階數 d，以及移動平均階數 q。我們稍後會詳細說明每個部分。不過先注意，ARIMA(0, 0, 0)，也就是三個成分皆為 0，正是 WN 模型。
在這個練習中，你將實作模擬一個基本的 WN 模型。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
arima.sim()，以list(order = c(0, 0, 0))指定 WN 模型來進行模擬。將引數n設為100，以產生 100 筆觀測值。把結果存成white_noise。 - 使用
ts.plot()繪製white_noise物件。 - 複製你原本對
arima.sim()的呼叫，但這次把mean引數設為100、sd引數設為10。把結果存成white_noise_2。 - 透過另一個
ts.plot()呼叫來繪製white_noise_2物件。
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 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