ESERCIZIO PER CASA, LEZIONE 3
Creare una cartella Lezione 3, copiarci export_veicoli.xls e creare un file per comandi e commenti.
Aprire il file export_veicoli.xls, copiare l’intera tabella su foglio 2, depurare la tabella dei valori annuali cumulati (eliminare proprio le colonne).
Aprire R dalla cartella 2, salvarlo col nome Lezione3.RData nella cartella Lezione 3 (magari uscire e riaprire).
Copiare il comando
IT3 <- scan("clipboard",dec=',') su R, senza dare l’invio.
Copiare i dati italiani (gennaio 1995, dicembre 2008) di questa nuova tabella, tornare su R e dare invio. I dati sono caricati. Per vederli:
ts.plot(IT3)
Per vederli con le date:
IT4 <- ts(IT3, frequency=12,start=c(1995,1)); ts.plot(IT4)
Iniziamo l’analisi della serie storica. Primi elementi: autocorrelazione acf(IT4)
acf(IT4,30)
Non evidenzia marcate periodicità. Forse ci sono periodicità locali?
IT5<-window(IT4,2005) acf(IT5,30)
Vediamo in un colpo solo trend, periodicità e residui: plot(decompose(IT4))
I valori delle componenti sono rilevanti per capirne l’importanza. Si possono vedere anche numericamente scrivendo decompose(IT4). Il seguente comando esegue una decomposizione locale:
plot(stl(IT4, 6))
Cambiare il parametro 6 osservando le differenze. Quando accadono i minimi? Nel 2008:
69768 62622 48934 43957 46525 47652 68435 23165 65990 60518 38106 21206
Ma nel 2002:
20271 13917 22520 30279 33373 27728 29400 12759 32293 39832 21975 13304
Esercizio non banale: raffigurare questi due anni su uno stesso grafico.
plot(decompose(IT4, type = "multiplicative"))
Cercare nella guida le formule di decompose.