如何对观察结果运行白噪声和自回归模型（1）答案

【问题标题】：How to run white noise and autoregressive model (1) on observations如何对观察结果运行白噪声和自回归模型（1）
【发布时间】：2020-07-24 00:43:31
【问题描述】：

我正在尝试利用 FitAR 包和自回归模型/AR(1) -- 参见下面的#A -- 将噪声（例如白噪声/随机噪声，参见下面的 #B）与 lynx 计数进行比较。设置它一直令人困惑。我正在提取我遇到的随机噪声示例和来自 FitAR 的 lynx 数据。白噪声模型将有助于确定 lynx 数据中可能具有重要意义的内容。

#猞猁

install.packages(FitAR)
library(FitAR)
library(lattice)
library(leaps)
library(ltsa)
library(bestglm)
help("FitAR-package")

par(mfrow=c(1,2))
lynx <- (log(lynx))
ans <- FitAR((lynx),1)
z4<-Boot.FitAR(ans)
par(mfrow=c(2,1))

TimeSeriesPlot((lynx))
title(main="lynx")

TimeSeriesPlot(z4)
title(main="Simulated AR lynx")

#B 白噪声

install.packages("compositions")
library("compositions")

rnorm(n, mean = 0, sd = 1)

set.seed(100) 
x <- NULL
x[1] <- 0
for (i in 2:100) {
  x[i] <- x[i-1] + rnorm(1,0,1)
}
ts.plot(x, main = 'Random walk', xlab = '', ylab = '', col='blue', lwd = 2)

【问题讨论】：

N 变量从何而来？它可能有助于在代码示例中包含 FitAR 和组合库。它将帮助其他人运行和调试代码 ` install.packages("compositions") library("compositions") `
谢谢莱克斯。在审查、编辑和添加合成库后，实际上不需要“N”。是的，试图弄清楚白噪声部分如何在 lynx 数据上运行，或者如何将 lynx 数据带入白噪声以确定重要的 lynx 数据。我想这也可以在红噪声上运行。任何见解都值得赞赏。

标签： r autoregressive-models whitenoise

【解决方案1】：

这本书有一些examples在R中生成白噪声时间序列。

set.seed(123)
## random normal variates
GWN <- rnorm(n = 100, mean = 5, sd = 0.2)
## random Poisson variates
PWN <- rpois(n = 50, lambda = 20)
TimeSeriesPlot(GWN)
TimeSeriesPlot(PWN)

您可以将这些白噪声示例与 FitAR 一起使用。

ans <- FitAR(GWN, 1, MeanMLEQ=TRUE)
TimeSeriesPlot(ans)

我觉得这个 FitAR documentation 很有趣

它有一个模拟高斯噪声的例子

library(FitAR)
set.seed(123)
phi <- c(2.7607, -3.8106, 2.6535, -0.9238)
z <- SimulateGaussianAR(phi, 1000)
ans <- FitAR(z, 4, MeanMLEQ=TRUE)
TimeSeriesPlot(ans)

【讨论】：

感谢 Lex 分享链接。审查这个。
需要从 lynx 数据中估计 AR (1) 参数，然后运行白噪声模拟。需要弄清楚如何将 AR (1) 输出和白噪声模型“配对/嵌套/链接”在一起，然后绘制带有置信区间的 lynx 数据和白噪声数据。任何见解都值得赞赏。