Autokorrelációs együttható kiszámítása

Az autokorreláció egy statisztikai módszer, amelyet idősor-elemzésre használnak. A cél két adat korrelációjának mérése ugyanazon adathalmazon, különböző időintervallumokban. Bár az időadatokat nem használják az autokorreláció kiszámításához, az időnövekedésnek egyenlőnek kell lennie az értelmes eredmények elérése érdekében. Az autokorrelációs együttható két célt szolgál. A nem véletlenszerűséget képes felismerni egy adatkészletben. Ha az adatsor értékei nem véletlenszerűek, akkor az autokorreláció segíthet az elemző számára a megfelelő idősoros modell kiválasztásában.

Számítsa ki az elemzett adatok átlagát vagy átlagát. Az átlag az összes adatérték összege elosztva az adatértékek számával (n).

Döntsön egy időeltolódásról (k) a számításhoz. A késleltetési érték egy egész szám, amely azt jelzi, hogy hány idő lépés választja el az egyik értéket a másiktól. Például az (y1, t1) és (y6, t6) közötti késés öt, mert a két érték között 6 - 1 = 5 idő lépés van. A véletlenszerűség tesztelésénél általában csak egy autokorrelációs együtthatót számol ki a k ​​= 1 késés használatával, bár más lag értékek is működni fognak. Amikor meghatározza a megfelelő idősoros modellt, ki kell számolnia az autokorrelációs értékek sorozatát, mindegyikhez más lag értéket használva.

instagram story viewer

Számítsa ki az autokovariancia függvényt a megadott képlet segítségével. Például kiszámolta-e a harmadik iterációt (i = 3) k = 7 késéssel, akkor az iteráció számítása ez: (y3 - y-bar) (y10 - y-bar) Iteráljuk át az "i" összes értékét, majd vegyük fel az összeget és osszuk el az adatokban szereplő értékek számával készlet.

Számítsa ki a variancia függvényt a megadott képlet segítségével. A számítás hasonló az autokovariancia függvényéhez, de a késleltetés nem használatos.

Osszuk el az autokovariancia függvényt a varianciafüggvénnyel, hogy megkapjuk az autokorrelációs együtthatót. Ezt a lépést megkerülheti úgy, hogy a két függvény képletét elosztja az ábra szerint, de sokszor szüksége lesz rá az autokovariancia és a más célú variancia, ezért célszerű ezeket egyenként kiszámítani jól.

Teachs.ru
  • Ossza meg
instagram viewer