¡Tu solución está lista!
Nuestra ayuda de expertos desglosó tu problema en una solución confiable y fácil de entender.
Mira la respuestaMira la respuesta done loadingPregunta: Este ejercicio utiliza los datos de canadian_gas (producción mensual de gas canadiense en miles de millones de metros cúbicos, enero de 1960 a febrero de 2005). Grafique los datos usando autoplot(), gg_subseries() y gg_season() para observar el efecto de la estacionalidad cambiante a lo largo del tiempo. 1 Haz una descomposición STL de los datos. Deberá
Este ejercicio utiliza los datos de canadian_gas (producción mensual de gas canadiense en miles de millones de metros cúbicos, enero de 1960 a febrero de 2005).
- Grafique los datos usando autoplot(), gg_subseries() y gg_season() para observar el efecto de la estacionalidad cambiante a lo largo del tiempo. 1
- Haz una descomposición STL de los datos. Deberá elegir una ventana estacional para permitir la forma cambiante del componente estacional.
- ¿Cómo cambia la forma estacional con el tiempo? [Sugerencia: Trate de trazar el componente estacional usando gg_season().]
- ¿Puede producir una serie plausible desestacionalizada?
- Compare los resultados con los obtenidos utilizando SEATS y X-11. ¿En qué se diferencian?
- Esta es la mejor manera de resolver el problema.Solución
#1 view(canadian_gas) autoplot(canadian_gas) gg_season(canadian_gas) gg_subseries(canadian_gas) #2 canadian_gas %>% model( STL(Volume ~ trend(window = 7) + season(window = "periodic"), robust = TRUE)) %>% components() %>% autoplot() #3 gg_season(cana…
Mira la respuesta completa
Estudia mejor, ¡ahora en español!
Entiende todos los problemas con explicaciones al instante y pasos fáciles de aprender de la mano de expertos reales.