התאמה אוטומטית היא שיטה סטטיסטית המשמשת לניתוח סדרות זמן. המטרה היא למדוד את המתאם של שני ערכים באותה מערך נתונים בשלבי זמן שונים. אף על פי שנתוני הזמן אינם משמשים להתאמה אוטומטית מחושבת, תוספות הזמן שלך צריכות להיות שוות על מנת להשיג תוצאות משמעותיות. מקדם ההתאמה האוטומטית משרת שתי מטרות. זה יכול לזהות אי אקראיות במערכת נתונים. אם הערכים בערכת הנתונים אינם אקראיים, אז התאמה אוטומטית יכולה לעזור לאנליסט לבחור מודל סדרות זמן מתאים.
חשב את הממוצע, או הממוצע, עבור הנתונים שאתה מנתח. הממוצע הוא סכום כל ערכי הנתונים חלקי מספר ערכי הנתונים (n).
החלט על פיגור זמן (k) לחישוב שלך. ערך השהיה הוא מספר שלם המציין כמה שלבי זמן מפרידים בין ערך אחד למשנהו. למשל, האיחור בין (y1, t1) ל- (y6, t6) הוא חמש, מכיוון שיש 6 - 1 = 5 שלבי זמן בין שני הערכים. כאשר בודקים אקראיות, בדרך כלל תחשב רק מקדם מתאם אוטומטי אחד באמצעות פיגור k = 1, אם כי גם ערכי פיגור אחרים יעבדו. כאשר אתה קובע מודל סדרות זמן מתאים, יהיה עליך לחשב סדרה של ערכי התאמה אוטומטית, תוך שימוש בערך השהיה שונה עבור כל אחד מהם.
חשב את פונקציית המשתנות האוטומטית באמצעות הנוסחה הנתונה. לדוגמא, האם חישבת איטרציה שלישית (i = 3) באמצעות פיגור k = 7, ואז החישוב לאיטרציה זו ייראה זה: (y3 - y-bar) (y10 - y-bar) חזרו על כל הערכים של "i" ואז קחו את הסכום וחלקו אותו למספר הערכים בנתונים מַעֲרֶכֶת.
חשב את פונקציית השונות באמצעות הנוסחה הנתונה. החישוב דומה לזה של פונקציית המשתנה האוטומטית, אך לא משתמשים בפיגור.
חלק את פונקציית המשתנות האוטומטית לפי פונקציית השונות כדי לקבל את מקדם ההתאמה האוטומטית. אתה יכול לעקוף שלב זה על ידי חלוקת הנוסחאות לשתי הפונקציות כפי שמוצג, אך פעמים רבות, תזדקק המשתנות האוטומטית והשונות למטרות אחרות, ולכן מעשי לחשב אותם בנפרד כ- נו.