Tengo un día el clima conjunto de datos, que tiene, como era de esperar, muy fuerte efecto estacional.
He adaptado un modelo ARIMA para este conjunto de datos utilizando la función de auto.arima de previsión de paquete. Para mi sorpresa, la función no se aplica ninguna de temporada de las operaciones de diferenciación estacional estacional ar o ma componentes. Aquí está el modelo es estimado:
library(forecast)
data<-ts(data,frequency=365)
auto.arima(Berlin)
Series: data
ARIMA(3,0,1) with non-zero mean
Coefficients:
ar1 ar2 ar3 ma1 intercept
1.7722 -0.9166 0.1412 -0.8487 283.0378
s.e. 0.0260 0.0326 0.0177 0.0214 1.7990
sigma^2 estimated as 5.56: log likelihood=-8313.74
AIC=16639.49 AICc=16639.51 BIC=16676.7
Y también las previsiones de uso de este modelo no son realmente satisfactorio. Aquí es la trama de la previsión:
Puede alguien darme una pista de lo que está mal aquí?
que conducen a un modelo automático de selección de la forma 
. El modelo estadísticas 
con un residual de la trama de 
La trama de las previsiones para los próximos 60 días, que se presentan aquí 
El Real/Ajuste/Previsión gráfica que se muestra aquí .
