{tidyverse}, Simulações e Processamento de Séries Temporais

Pedro Cavalcante
@PedrooCava

Só para deixar tudo bem claro quanto ao que eu quero dizer quando falo em uma função impura: se fornecida os mesmos argumentos devolverá o mesmo resultado. É simples construir alguns exemplos.

## [1] "2020-12-11 07:03:25 -03"

## [1] "2020-12-11 07:03:22 -03"

## [1] "2020-12-11 07:03:40 -03"

Funções impuras também podem assim ser porque desencadeiam efeitos colaterais, como por exemplo escrever algum arquivo na memória.

Isso não é necessariamente ruim, o objetivo final de código em produção é desencadear efeitos colaterais, mas isso leva à código com consequências menos claras e por isso eu aprendi nos manuais e com os erros a evitar impureza. Pelo exercício vou tentar ilustrar uma aplicação onde impureza traz ergonomia.

É bem comum que eu simule dados de processos estocásticos aqui. Um AR1 com $\beta = 1$ , por exemplo:

## # A tibble: 1,000 x 2
##        t     y
##    <int> <dbl>
##  1     1 0.229
##  2     2 1.68 
##  3     3 1.94 
##  4     4 3.28 
##  5     5 3.28 
##  6     6 3.03 
##  7     7 4.01 
##  8     8 4.09 
##  9     9 3.75 
## 10    10 6.03 
## # … with 990 more rows

E tem duas coisas aí que eu gostaria de mudar:

Referência explícita e repetida ao tamanho da amostra, que é sempre igual e dado pelo tamanho do tibble, contextual
Me referir ao processo gerador com alguma abstração, ao invés de explicitamente simular choques e soma-los.

Podemos resolver isso tudo em uma função que (i) sabe que precisa gerar um AR1 com certo $n$ e (ii) é agnóstica em relação à distribuição dos choques.

Primeiro, descobrir se a função foi chamada em um contexto de dados, dentro de um tibble. A ideia aqui é olhar como se comporta dplyr::n, que traz a informação contextual do tamanho do tibble usado como ambiente quando foi executada. Se não foi chamada dentro de um tibble, vai retornar erro:

## Error: `n()` must only be used inside dplyr verbs.

## # A tibble: 2 x 2
##   sinal     N
##   <lgl> <int>
## 1 FALSE    81
## 2 TRUE     19

Dito isso, precisamos capturar o erro, caso ocorra, então é bom embrulhar a função em algum advérbio do purrr.

data_context <- function() {
  
   foo <- purrr::possibly(dplyr::n, otherwise = NULL)
   
   if(rlang::is_null(foo())) {
     
     return(FALSE)
     
   } else {
     
     return(TRUE)
     
   }
  
}

E agora a função que simula o processo em si.

ar <- function(
  .distfn = rnorm, 
  ..., 
  .k = 1L,
  beta = runif(n = .k), 
  .init = 0, 
  .n = NULL) {

  # Guardião -------------------------
  
  if(length(beta) != .k) {
    
    rlang::abort('Parameter vector must have one ')
    
  }
  
  if(rlang::is_null(.n) & !data_context()) {
    
    rlang::abort('Function called outside a tibble, provide .n argument.')
    
  } 
    
  if(data_context()) {
    
    n <- dplyr::n()
    
  } else {
    
    n <- .n
    
  }
  
  # Computando as inovações ------------------
  
  params <- list(..., n = n)
  
  innovations <- rlang::exec(.distfn, !!!params)
  
  # gerando os lags e computando os valores ----------------
  
  as.list(1:.k) %>% 
    purrr::set_names(1:.k) %>%
    purrr::map_dfc(~ dplyr::lag(innovations, .x)) %>%
      dplyr::rowwise() %>%
      dplyr::mutate(
        total = 
          sum(
            beta*dplyr::c_across(tidyselect::everything()),
            na.rm = TRUE) +
          .init) %>%
      dplyr::pull(total) 
  
}

E agora podemos fazer coisas como isso:

tibble(t = 1:100) %>%
  mutate(
    y1 = ar(sd = .2, beta = .7),
    y2 = ar(runif, min = -1, .k = 10, beta = runif(10, max = .1))) %>%
  pivot_longer(-t, names_to = 'processo') %>%
  ggplot(aes(x = t, y = value, color = processo, group = processo)) +
  geom_line(size = 1.2) +
  theme_minimal()

Um próximo passo seria extrair alguns momentos ao longo do tempo nesses processos. Para isso não precisamos implementar soluções, o slider dá conta. É uma espécie de purrr para operações em janelas móveis. Nele a prima mais próxima de purrr::map é slider::slide, que também tem variantes tipadas com terminações em _lgl, _dbl e etc.

library(slider)

tibble(t = 1:1000) %>%
  mutate(y = ar(.k = 3, beta = rep(1, times = 3)),
         media = slide_dbl(y, mean, .before = 25),
         desvio = slide_dbl(y, sd, .before = 25)) %>%
  pivot_longer(media:desvio) %>%
  ggplot(aes(x = t, y = value, color = name, group = name)) +
  geom_line(size = 1.2, aplha = .9) +
  theme_minimal() +
  labs(x = '',
       y = '')

{tidyverse}, Simulações e Processamento de Séries Temporais

Pedro Cavalcante

Highlight.js e Hugo: como fazer syntax highlight de qualquer linguagem

Verossimilhança da Poisson

Crescimento Exponencial, mas sem o Corona