|
|
| Stima dei parametri | di A. Fanciullo T. Lutrelli |
|
Stima dei parametri ar 1 > ar1fit<-arima(ar1,order=c(1,1,0),include.mean=FALSE) Call: Coefficients: sigma^2 estimated as 0.9409: log likelihood = -236.31, aic = 476.63 Figura 34: Stima dei parametri ar1 Poiché il p- value non è sempre superiore a 0,5 allora il processo non descrive bene i dati reali.
Stima dei parametri ar2 > ar22fit<-arima(ar22,order=c(2,1,0),include.mean=FALSE) Call: Coefficients: sigma^2 estimated as 0.1816: log likelihood = -95.65, aic = 197.3 Figura 35: Stima dei parametri ar22 Anche in questo caso il p- value non è sempre superiore a 0,5 allora il processo non descrive bene i dati reali.
Stima dei parametri ma1 > fitma1<-arima(ma1,c(0,1,1)) Call: Coefficients: sigma^2 estimated as 0.8968: log likelihood = -232.14, aic = 468.27 Figura 36: Stima dei parametri ma1 Anche in questo caso il p- value non è sempre superiore a 0,5 allora il processo non descrive bene i dati reali.
Stima dei parametri ARIMA > arimafit<-arima(arima1, order=c(1,1,1), include.mean=FALSE) Call: Coefficients: sigma^2 estimated as 0.9271: log likelihood = -234.87, aic = 475.74 Figura 37: Stima dei parametri ARIMA (1, 1,1)
Poiché il p- value si mantiene sempre al di sopra della soglia dello 0,5 allora il modello ARIMA descrive in modo efficiente la nostra serie.
Scrivi Commento
Powered by AkoComment Tweaked Special Edition v.1.4.6 |
||||||
| < Prec. | Pros. > |
|---|
|
Iniziative editoriali
|
Test - quiz - simulazione |
Gioca con la matematica |
|
|
|
|
|
|