模拟白噪声模型
白噪声（WN）模型是最基础的时间序列模型之一，也是后续更复杂模型的出发点。这里我们关注最简单的形式：独立同分布的数据。
arima.sim() 函数可用于从多种时间序列模型中模拟数据。ARIMA 是我们在本课程中会反复使用的自回归积分滑动平均模型类的缩写。
一个 ARIMA(p, d, q) 模型包含三个部分：自回归阶数 p、差分（或积分）阶数 d，以及滑动平均阶数 q。稍后我们会逐一说明这些部分。此处先说明，ARIMA(0, 0, 0)（三个分量都为 0）就是 WN 模型。
在本练习中，您将练习如何模拟一个基本的 WN 模型。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 使用
arima.sim()从 WN 模型list(order = c(0, 0, 0))中进行模拟。将参数n设为100以生成 100 个观测值。将结果保存为white_noise。 - 使用
ts.plot()绘制white_noise对象。 - 复现您最初对
arima.sim()的调用，但这一次将mean参数设为100，sd参数设为10。将结果保存为white_noise_2。 - 再次调用
ts.plot()绘制white_noise_2对象。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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