R语言入门(3)时间序列模型的误差分析
来源:互联网 发布:ps做淘宝详情页尺寸 编辑:程序博客网 时间:2024/05/29 18:45
1、绘制拟合曲线
由前两章可知,时间序列分析模型为:
下面根据该模型来绘制拟合曲线,并计算拟合值与实际值的误差,代码如下:
n <- length(indata)u <- matrix(0,n,1)for(i in 1:n){ u[i] <- rnorm(1)}indata_fit <- matrix(0,n,1)indata_fit[1] <- indata[1]indata_fit[2] <- indata[2]for(i in 2:(n-1)){ indata_fit[i+1] <- 0.9711*indata[i] - 0.2664*u[i]-0.0793*u[i-1]+u[i+1]}plot(indata,type = "l",col=c("blue"))par(new = TRUE)lines(indata_fit,type = "l",col=c("red"))error <- (indata_fit - indata)^2summary(error)plot(error,type = "l")boxplot(error)
图1 拟合曲线和实际曲线
如果只看图1,似乎拟合曲线和实际曲线重合得很好,但是再仔细一看,就会发现:拟合曲线与实际曲线相比仅仅是向右平移了一点。也就是说,下一时刻的状态很大程度上是由该时刻决定的。
2、误差分析
对误差向量的统计描述如下:
Min. : 0.00 1st Qu.: 62.53 Median : 397.37 Mean : 1337.86 3rd Qu.: 1374.13 Max. :51390.32
绘制均方差随时间的折线图,如图1所示。
图1 均方差折线图
绘制误差的箱型图,如图2所示。
图2 均方差箱型图
由图1和图2可知,拟合曲线与实际值之间的均方差存在极值,拟合模型并不能很好的追踪实际值。
0 0
- R语言入门(3)时间序列模型的误差分析
- 时间序列分析(3)R语言-最基础的回归模型
- R语言入门(1)时间序列分析
- R语言入门(2)时间序列分析原理
- R语言入门(4)时间序列分析
- R语言-时间序列的创建及时间序列模型
- R语言 时间序列模型
- R语言时间序列分析之ARIMA模型预测
- R语言 时间序列分析之ARIMA模型预测
- R语言时间序列分析
- 金融时间序列分析:6. AR模型实例(R语言)
- R语言 时间序列ARIMA模型方法
- 时间序列分析(1)R语言-计算简单收益率
- 时间序列分析(2)R语言-基本统计量
- R时间序列分析
- R(2)时间序列分析及应用之TSA安装(R语言)
- R语言时间序列之ARMA、ARIMA模型
- R语言-时间序列-arima模型-forecast、tseries包
- centos6.4 虚拟机配置host only模式共享主机上网
- opengl图形拾取示例
- 误删除$ORACLE_HOME/dbs下的参数文件、密码文件,如何快速重建
- Linux chmod命令用法
- ZOJ2976-Light Bulbs
- R语言入门(3)时间序列模型的误差分析
- windbg script to set breakpoint on netshell.dll's export function
- javascript中 字符串转JSON 和 JSON遍历,原生超级for()和 jquery的$.each()比较
- 第四次实验 函数调用
- java中值传递与引用传递详解
- 找出一个单向链表的起始位置
- 攻破JAVA NIO技术壁垒
- JSON 与 对象 、集合 之间的转换
- poj 1330 Nearest Common Ancestors LCA/DFS