Автокорелацията е статистически метод, използван за анализ на времеви редове. Целта е да се измери корелацията на две стойности в един и същ набор от данни в различни времеви стъпки. Въпреки че данните за времето не се използват за изчисляване на автокорелация, вашите стъпки във времето трябва да бъдат равни, за да получите значими резултати. Коефициентът на автокорелация служи за две цели. Той може да открие неслучайност в набор от данни. Ако стойностите в набора от данни не са случайни, тогава автокорелацията може да помогне на анализатора да избере подходящ модел на времеви редове.
Изчислете средната стойност или средната стойност за данните, които анализирате. Средната стойност е сумата от всички стойности на данните, разделена на броя на стойностите на данните (n).
Решете за забавяне във времето (k) за вашето изчисление. Стойността на закъснението е цяло число, обозначаващо колко времеви стъпки разделят една стойност от друга. Например, забавянето между (y1, t1) и (y6, t6) е пет, тъй като между двете стойности има 6 - 1 = 5 времеви стъпки. Когато тествате за произволност, обикновено изчислявате само един коефициент на автокорелация, като използвате закъснение k = 1, въпреки че други стойности на закъснение също ще работят. Когато определяте подходящ модел на времеви редове, ще трябва да изчислите поредица от стойности на автокорелация, като използвате различна стойност на закъснението за всяка.
Изчислете функцията за автоковариация, като използвате дадената формула. Например, изчислявахте ли третата итерация (i = 3), използвайки закъснение k = 7, тогава изчислението за тази итерация би изглеждало така това: (y3 - y-bar) (y10 - y-bar) Итерирайте през всички стойности на "i" и след това вземете сумата и я разделете на броя на стойностите в данните комплект.
Изчислете функцията на дисперсията, като използвате дадената формула. Изчислението е подобно на това на функцията за автоковариация, но забавянето не се използва.
Разделете функцията за автоковариация на функцията за дисперсия, за да получите коефициента на автокорелация. Можете да заобиколите тази стъпка, като разделите формулите за двете функции, както е показано, но много пъти ще ви трябват автоковариацията и дисперсията за други цели, така че е практично да се изчисляват поотделно като добре.