태양의 흑점갯수를 이용한 시계열 분석
- 최초 등록일
- 2017.08.24
- 최종 저작일
- 2017.04
- 10페이지/ 어도비 PDF
- 가격 3,000원
소개글
Wolf의 흑점갯수를 이용한 시계열 분석한 과제입니다.
추가적으로 비고용 여성 노동자에 대한 자료의 시계열분석도 있습니다.
목차
Ⅰ. Wolf yearly sunspot numbers time series analysis
1. 모형의 선택
2. 분석 및 검정
Ⅱ. monthly series of unemployes females time series analysis
1. 정상성 판단
2. 모형의 선택
3. 적합도 검정
본문내용
우리는 1700년부터 1984년 까지 태양의 흑점의 개수를 관측한 자료를 통하여 시계열 분석 방 법을 이용하여 모형을 적용해 보고 적용한 모델로 미래의 흑점의 개수를 예측해보고 예측의 정확도를 비교해 본다. 데이터는 1700년부터 1984년까지 총 285개의 데이터를 관측하여 모델 을 적용해 보았다. 모형은 단순지수평활법과 ARIMA 모형을 적용해 보았고, 위 모델들을 이용 하여 1985년부터 2001년까지의 추가기간 동안 흑점수를 예측해 본 후 실제 데이터와 비교하 여 얼마나 적합한지를 분석해 보았다. 분석 방법은 추가 기간 동안의 예측 데이터의 95%신뢰 구간과 실제 자료값을 비교하여 얼마나 정확한지를 검토 하였고, 모형의 검진(Diagnostics)단 계를 통하여 위 모형들의 타당성을 밝혀보았다. 기존 데이터를 data1으로, 추가기간동안의 데 이터를 data2로 지칭하여 분석 하였고, data1을 통하여 각 모델에 적합시킨후 predict 함수 를 이용하여 추가 기간동안의 값을 예측해보고, 표준편차를 이용하여 신뢰구간을 구한 후 실 제 데이터가 신뢰구간 내에 위치하는지를 확인한다. 또한 Residual 그래프를 통하여 잔차가 white noise 인지를 확인하여 타당성을 파악하려고 한다.
1. 모형의 선택
처음으로 이 데이터의 그래프를 그려보면 그림1과 같이 나타나게 된다.
그림 1 the yearly sunspots numers from 1700 to 1984
모델을 선택하기 전에 이 데이터가 정상 시계열인지를 판단 후에 모델을 선택하는 것이 적합 하다. 그러므로 Auto Correlation Function(ACF)와 Partial Auto Correlation Function(PACF)를 그려 이 시계열 데이터가 정상성 인지를 판단한다.
그림 2 the ACF Graph
그림 3 the PACF Graph
위 그림2와 그림3을 보게되면 ACF는 4주기 만에 빠르게 0으로 수렴하는 것을 보인다.
참고 자료
없음