时间:2021-05-22
背景:
用python画AR模型的时序图。
结果:
代码:
import numpy as npimport matplotlib.pyplot as plt"""AR(1)的时序图:x[t]=a*x[t-1]+e"""num = 2000e = np.random.rand(num)x = np.empty(num) """平稳AR(1)"""a = -0.5x[0] = 2for i in range(1,num): x[i] = a*x[i-1]+e[i]plt.subplot(321,title = "AR({0}):x[t]={1}*x[t-1]+e".format(1,a))plt.plot(x,"or") """非平稳AR(1)"""a = -1.01x[0] = 2for i in range(1,num): x[i] = a*x[i-1]+e[i]plt.subplot(322,title = "AR({0}):x[t]={1}*x[t-1]+e".format(1,a))plt.plot(x,".b") """平稳AR(2)"""a = -0.2b = 0.7x[0] = 2for i in range(2,num): x[i] = a*x[i-1]+b*x[i-2]+e[i]plt.subplot(323,title = "AR({0}):x[t]={1}*x[t-1]+{2}*x[t-2]+e".format(2,a,b))plt.plot(x,"og") """非平稳AR(2)"""a = -0.3b = 0.8x[0] = 2for i in range(2,num): x[i] = a*x[i-1]+b*x[i-2]+e[i]plt.subplot(324,title = "AR({0}):x[t]={1}*x[t-1]+{2}*x[t-2]+e".format(2,a,b))plt.plot(x,".y") """非平稳AR(2)"""a = -0.2b = 0.8x[0] = 2for i in range(2,num): x[i] = a*x[i-1]+b*x[i-2]+e[i]plt.subplot(313,title = "AR({0}):x[t]={1}*x[t-1]+{2}*x[t-2]+e".format(2,a,b))plt.plot(x,"+",color="purple") plt.show()以上这篇使用python实现画AR模型时序图就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
最近看代码,由于代码的调用层级深度比较多,层层深入到某处时,已经忘记了身处何处,虽然自己可以使用一些画图工具来时序图,但是,这种情况下,自己画时序图很繁琐,比较
Python3利用Axes3D库画3D模型图,供大家参考,具体内容如下最近在学习机器学习相关的算法,用python实现。自己实现两个特征的线性回归,用Axes3
AR(p)模型与MA(q)实际上是ARMA(p,q)模型的特例。它们都统称为ARMA模型,而ARMA(p,q)模型的统计性质也是AR(p)与MA(q)模型的统计
本文实例为大家分享了Python实现感知器模型、两层神经网络,供大家参考,具体内容如下python3.4因为使用了numpy这里我们首先实现一个感知器模型来实现
使用python实现论文里面的饼状图:原图:python代码实现:##饼状图#plot.figure(figsize=(8,8))labels=[u'Cante