R语言
arima.sim
位于 stats
包(package)。 说明
从 ARIMA 模型进行模拟。
用法
arima.sim(model, n, rand.gen = rnorm, innov = rand.gen(n, ...),
n.start = NA, start.innov = rand.gen(n.start, ...),
...)
参数
model |
包含组件 |
n |
输出系列的长度,在un-differencing之前。严格的正整数。 |
rand.gen |
可选:产生创新的函数。 |
innov |
可选的时代系列创新。如果未提供,则使用 |
n.start |
‘burn-in’周期的长度。如果是 |
start.innov |
用于 burn-in 期间的可选创新时间序列。如果提供,则必须至少有 |
... |
|
细节
有关 ARIMA 模型的精确定义,请参阅arima
。
检查 ARMA 模型的平稳性。
ARIMA 模型通过 model
的 order
组件指定,方式与 arima
相同。 order
组件的其他方面被忽略,但检测到 MA 和 AR 阶数不一致的规范。 un-differencing 假定先前的值为零,为了提醒用户这一点,将返回这些值。
‘burn-in’周期的随机输入是通过调用 rand.gen
生成的。
值
类 "ts"
的时间序列对象。
例子
require(graphics)
arima.sim(n = 63, list(ar = c(0.8897, -0.4858), ma = c(-0.2279, 0.2488)),
sd = sqrt(0.1796))
# mildly long-tailed
arima.sim(n = 63, list(ar = c(0.8897, -0.4858), ma = c(-0.2279, 0.2488)),
rand.gen = function(n, ...) sqrt(0.1796) * rt(n, df = 5))
# An ARIMA simulation
ts.sim <- arima.sim(list(order = c(1,1,0), ar = 0.7), n = 200)
ts.plot(ts.sim)
也可以看看
相关用法
- R arima 时间序列的 ARIMA 建模
- R arima0 时间序列的 ARIMA 建模 – 初步版本
- R ar.ols 通过 OLS 将自回归模型拟合到时间序列
- R ar 将自回归模型拟合到时间序列
- R aggregate 计算数据子集的汇总统计
- R alias 查找模型中的别名(依赖项)
- R anova.glm 广义线性模型拟合的偏差分析
- R anova.mlm 多元线性模型之间的比较
- R addmargins 在多维表或数组上设置任意边距
- R anova 方差分析表
- R asOneSidedFormula 转换为单边公式
- R as.hclust 将对象转换为 hclust 类
- R ansari.test 安萨里-布拉德利检验
- R approxfun 插值函数
- R add1 在模型中添加或删除所有可能的单项
- R acf 自协方差和互协方差以及相关函数估计
- R aov 拟合方差分析模型
- R ave 因子水平组合的组平均值
- R acf2AR 计算精确拟合 ACF 的 AR 过程
- R anova.lm 线性模型拟合的方差分析
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Simulate from an ARIMA Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。