Autocorrélation et autocorrélation partielle

Visualiser des séries temporelles en Python

Thomas Vincent

Head of Data Science, Getty Images

Autocorrélation dans les séries temporelles

L'autocorrélation mesure la corrélation entre une série temporelle et une copie décalée d'elle‑même
Par exemple, une autocorrélation d'ordre 3 renvoie la corrélation entre une série aux points (t_1, t_2, t_3, ...) et ses propres valeurs décalées de 3 instants, c.-à-d. (t_4, t_5, t_6, ...)
Elle sert à détecter des motifs récurrents ou une périodicité dans les séries temporelles

Statsmodels

statsmodels est un module Python qui propose des classes et fonctions pour estimer de nombreux modèles statistiques, réaliser des tests et explorer des données statistiques.

Tracer les autocorrélations

import matplotlib.pyplot as plt
from statsmodels.graphics import tsaplots
fig = tsaplots.plot_acf(co2_levels['co2'], lags=40)

plt.show()

Interpréter les graphiques d'autocorrélation

Autocorrélation dans les séries temporelles

Autocorrélation partielle dans les séries temporelles

Contrairement à l'autocorrélation, l'autocorrélation partielle retire l'effet des points précédents
Par exemple, une fonction d'autocorrélation partielle d'order 3 renvoie la corrélation entre notre série (t1, t2, t3, ...) et ses valeurs décalées de 3 instants (t4, t5, t6, ...), mais après avoir retiré tous les effets dus aux retards 1 et 2

Tracer les autocorrélations partielles

import matplotlib.pyplot as plt

from statsmodels.graphics import tsaplots
fig = tsaplots.plot_pacf(co2_levels['co2'], lags=40)

plt.show()

Interpréter les graphiques d'autocorrélation partielle

Autocorrélation partielle dans les séries temporelles

Passons à la pratique !

Visualiser des séries temporelles en Python