टाइम सीरीज़ को स्टेशनरी बनाना

Python में ARIMA Models

James Fulton

Climate informatics researcher

ओवरव्यू

स्टेशनैरिटी के लिए सांख्यिकीय परीक्षण
डेटासेट को स्टेशनरी बनाना

ऑगमेंटेड डिकी-फुलर टेस्ट

ट्रेंड नॉन-स्टेशनैरिटी के परीक्षण
शून्य परिकल्पना: टाइम सीरीज़ नॉन-स्टेशनरी है

adfuller टेस्ट लागू करना

from statsmodels.tsa.stattools import adfuller

results = adfuller(df['close'])

टेस्ट परिणाम समझना

print(results)

(-1.34, 0.60, 23, 1235, {'1%': -3.435, '5%': -2.913, '10%': -2.568}, 10782.87)

0वाँ एलिमेंट टेस्ट स्टैटिस्टिक है (-1.34)
- मान जितना नेगेटिव होगा, स्टेशनरी होने की संभावना उतनी अधिक

1वाँ एलिमेंट p-value है: (0.60)
- p-value छोटा हो तो $\rightarrow$ शून्य परिकल्पना को खारिज करें. नॉन-स्टेशनरी को खारिज करें.

4था एलिमेंट क्रिटिकल टेस्ट स्टैटिस्टिक्स हैं

टेस्ट परिणाम समझना

print(results)

(-1.34, 0.60, 23, 1235, {'1%': -3.435, '5%': -2.863, '10%': -2.568}, 10782.87)

0वाँ एलिमेंट टेस्ट स्टैटिस्टिक है (-1.34)
- मान जितना नेगेटिव होगा, स्टेशनरी होने की संभावना उतनी अधिक

1वाँ एलिमेंट p-value है: (0.60)
- p-value छोटा हो तो $\rightarrow$ शून्य परिकल्पना को खारिज करें. नॉन-स्टेशनरी को खारिज करें.

4था एलिमेंट क्रिटिकल टेस्ट स्टैटिस्टिक्स हैं

¹ https://www.statsmodels.org/dev/generated/statsmodels.tsa.stattools.adfuller.html

प्लॉटिंग का महत्व

टाइम सीरीज़ को प्लॉट करना आपको गलत मान्यताओं से बचा सकता है

प्लॉटिंग का महत्व

टाइम सीरीज़ को स्टेशनरी बनाना

डिफरेंस लेना

अंतर: $\Delta y_t = y_t - y_{t-1}$

डिफरेंस लेना

df_stationary = df.diff()

            city_population
date                       
1969-09-30              NaN
1970-03-31        -0.116156
1970-09-30         0.050850
1971-03-31        -0.153261
1971-09-30         0.108389

डिफरेंस लेना

df_stationary = df.diff().dropna()

            city_population
date                       
1970-03-31        -0.116156
1970-09-30         0.050850
1971-03-31        -0.153261
1971-09-30         0.108389
1972-03-31        -0.029569

डिफरेंस लेना

अन्य ट्रांसफॉर्म्स

अन्य ट्रांसफॉर्म्स के उदाहरण

लॉग लें
- np.log(df)
स्क्वेयर रूट लें
- np.sqrt(df)
प्रोपोर्शनल बदलाव लें
- df.shift(1)/df

अभ्यास करते हैं!

Python में ARIMA Models