Autokorelace a parciální autokorelace

Vizualizace dat časových řad v Pythonu

Thomas Vincent

Head of Data Science, Getty Images

Autokorelace v časových řadách

Autokorelace měří korelaci mezi časovou řadou a její zpožděnou kopií
Například autokorelace řádu 3 vrátí korelaci mezi časovou řadou v bodech (t_1, t_2, t_3, ...) a jejími hodnotami posunutými o 3 časové body, tj. (t_4, t_5, t_6, ...)
Slouží k nalezení opakujících se vzorů nebo periodického signálu v časových řadách

statsmodels je modul Pythonu poskytující třídy a funkce pro odhad různých statistických modelů, provádění statistických testů a exploraci dat.

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

plt.show()

Autokorelace v časových řadách

Na rozdíl od autokorelace parciální autokorelace odstraňuje vliv předchozích časových bodů
Například funkce parciální autokorelace order 3 vrátí korelaci mezi časovou řadou (t1, t2, t3, ...) a jejími hodnotami posunutými o 3 časové body (t4, t5, t6, ...), ale až po odstranění všech vlivů přisuzovaných zpožděním 1 a 2

import matplotlib.pyplot as plt

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

plt.show()

Parciální autokorelace v časových řadách

Vizualizace dat časových řad v Pythonu