A autocorrelação é um método estatístico usado para análise de séries temporais. O objetivo é medir a correlação de dois valores no mesmo conjunto de dados em intervalos de tempo diferentes. Embora os dados de tempo não sejam usados para autocorrelação calculada, seus incrementos de tempo devem ser iguais para obter resultados significativos. O coeficiente de autocorrelação serve a dois propósitos. Ele pode detectar a não aleatoriedade em um conjunto de dados. Se os valores no conjunto de dados não forem aleatórios, a autocorrelação pode ajudar o analista a escolher um modelo de série temporal apropriado.
Calcule a média, ou média, dos dados que você está analisando. A média é a soma de todos os valores dos dados dividida pelo número de valores dos dados (n).
Decida um intervalo de tempo (k) para o seu cálculo. O valor de atraso é um número inteiro que denota quantas etapas de tempo separam um valor de outro. Por exemplo, o intervalo entre (y1, t1) e (y6, t6) é cinco, porque há 6 - 1 = 5 intervalos de tempo entre os dois valores. Ao testar a aleatoriedade, você geralmente calculará apenas um coeficiente de autocorrelação usando lag k = 1, embora outros valores de lag também funcionem. Ao determinar um modelo de série temporal apropriado, você precisará calcular uma série de valores de autocorrelação, usando um valor de defasagem diferente para cada um.
Calcule a função de autocovariância usando a fórmula fornecida. Por exemplo, se você estava calculando a terceira iteração (i = 3) usando uma defasagem k = 7, o cálculo para essa iteração seria semelhante a isto: (y3 - y-bar) (y10 - y-bar) Itere todos os valores de "i" e, em seguida, pegue a soma e divida pelo número de valores nos dados definir.
Calcule a função de variância usando a fórmula fornecida. O cálculo é semelhante ao da função de autocovariância, mas o lag não é usado.
Divida a função de autocovariância pela função de variância para obter o coeficiente de autocorrelação. Você pode ignorar esta etapa dividindo as fórmulas para as duas funções conforme mostrado, mas muitas vezes, você precisará a autocovariância e a variância para outros fins, por isso é prático calculá-los individualmente como Nós vamos.