Howtosignalprocessing
Autokorelacja, czasem znana jako korelacja szeregowa w przypadku dyskretnego czasu, jest korelacją sygnału z opóźnioną kopią siebie w zależności od opóźnienia. Nieformalnie jest to podobieństwo między obserwacjami zmiennej losowej w zależności od opóźnień czasowych.
- Jaka jest różnica między korelacją a autokorelacją?
- Dlaczego autokorelacja stanowi problem?
- Jaki jest cel autokorelacji?
- Czy autokorelacja jest dobra lub zła w szeregach czasowych?
Jaka jest różnica między korelacją a autokorelacją?
Autokorelacja, znana również jako korelacja seryjna, odnosi się do stopnia korelacji tych samych zmiennych między dwoma kolejnymi przedziałami czasowymi. Wartość autokorelacji wynosi od -1 do 1. Wartość między -1 a 0 reprezentuje ujemną autokorelację. Wartość od 0 do 1 reprezentuje pozytywną autokorelację.
Dlaczego autokorelacja stanowi problem?
Autokorelacja może powodować problemy w konwencjonalnych analizach (takich jak zwykła regresja najmniejszych kwadratów), które przyjmują niezależność obserwacji. W analizie regresji autokorelacja reszt regresji może również wystąpić, jeśli model jest nieprawidłowo określony.
Jaki jest cel autokorelacji?
Funkcję autokorelacji (Box i Jenkins, 1976) może być używana do następujących dwóch celów: wykrywanie nierandomości w danych. Aby zidentyfikować odpowiedni model szeregów czasowych, jeśli dane nie są losowe.
Czy autokorelacja jest dobra lub zła w szeregach czasowych?
Autokorelacja jest również znana jako korelacja seryjna, korelacja szeregów czasowych i korelacja opóźniona. Niezależnie od tego, jak jest używany, autokorelacja jest idealną metodą odkrywania trendów i wzorców w danych szeregów czasowych, które w przeciwnym razie uległyby nieodkrytym.
