2.10 练习

使用帮助函数了解gold、woolyrnq和gas时间序列
1. 使用autoplot()分别绘制上述序列。
2. 各个序列的频率是多少？提示：运用frequency()函数。
3. 使用which.max()函数找出gold序列的离群点。它是哪个观测点？
从 OTexts.org/fpp2/extrafiles/tute1.csv 上下载文件tute1.csv，打开并查看内容。从B列到D列，是三组季度性序列。分别标记为：Sales、AdBudget 和 GDP。Sales是1981年至2005年期间小型公司的季度销售额。 AdBudget 是广告预算，GDP是国内生产总值。三组时间序列均已经剔除了通货膨胀的影响。
1. 首先将数据读入R中,并初步观察数据形态：
```
tute1 <- read.csv("tute1.csv", header=TRUE)
View(tute1)
```
2. 将数据转化为时间序列
```
mytimeseries <- ts(tute1[,-1], start=1981, frequency=4)
```
  （使用[,-1]可以移除第一列的数据）
3. 画出每个序列的时间序列图
```
autoplot(mytimeseries, facets=TRUE)
```
  尝试不设置参数facets=TRUE。
从 OTexts.org/fpp2/extrafiles/retail.xlsx下载澳大利亚月度零售数据。这些代表不同澳大利亚各州的不同类别的零售额，并存储在MS-Excel文件中。
1. 首先将数据读入R中：
```
retaildata <- readxl::read_excel("retail.xlsx", skip=1)
```
  必须设置第二个参数skip=1。
2. 选择其中的一个时间序列：
```
myts <- ts(retaildata[,"A3349873A"], frequency=12, start=c(1982,4))
```
3. 使用下列函数观察时间序列：
  
  autoplot(), ggseasonplot(), ggsubseriesplot(), gglagplot(), ggAcf()
  
  你发现了趋势、季节性或者周期性吗？你对这个时间序列有什么认识？
画出以下时间序列的时间序列图：bicoal, chicken, dole, usdeaths, lynx, goog, writing, fancy, a10, h02。
- 使用help()函数找出每个时间序列的数据。
- 在goog的时间序列图上，修改坐标轴名称和标题。
使用ggseasonplot()函数和ggsubseriesplot()函数来观察writing、 fancy、 a10和 h02四个序列的季节性特征。
- 你对时间序列的季节性有什么认识？
- 你可以识别出异常的年份吗？
使用autoplot()、 ggseasonplot()、 ggsubseriesplot()、 gglagplot()和 ggAcf()这些画图函数，探索序列hsales、 usdeaths、 bricksq、 sunspotarea和 gasoline的特征。
- 你可以发现季节性、周期性或者趋势吗？
- 从这些序列中你发现了什么？
arrivals数据包括从日本、新西兰、英国和美国到达澳大利亚的人数（千）。
- 使用autoplot()、ggseasonplot()和ggsubseriesplot()函数比较四个国家到达澳大利亚人数的不同之处。
- 你可以找出异常观测点吗？
下列时间序列图和ACF图分别对应四个不同的时间序列。你的任务是将第一行的时间序列图和第二行的ACF图分别对应。
数据集pigs是从1980年1月到1995年8月，维多利亚州每月屠宰猪的总量。使用mypigs <- window(pigs, start=1990)截取1990年之后的数据。运用autoplot和ggAcf函数分别画出mypigs及其ACF图，并将其结果与白噪声的结果（如图 2.17 和 2.18 所示）进行比较。
数据集dj包含了连续292个交易日的道琼斯指数。采用ddj <- diff(dj)来计算道琼斯指数的日变化量。画出ddj和它的ACF图。道琼斯指数的日变化类似一个白噪声吗？