Otokorelasyon ve Kısmi otokorelasyon

Python ile Zaman Serisi Verilerini Görselleştirme

Thomas Vincent

Head of Data Science, Getty Images

Zaman serisi verilerinde otokorelasyon

Otokorelasyon, bir zaman serisi ile kendi gecikmeli kopyası arasındaki korelasyon olarak ölçülür
Örneğin, 3. dereceden otokorelasyon, zaman serisinin (t_1, t_2, t_3, ...) noktalarıyla 3 zaman birimi gecikmeli kendi değerleri (t_4, t_5, t_6, ...) arasındaki korelasyonu verir
Zaman serisindeki tekrar eden örüntüleri veya periyodik sinyali bulmak için kullanılır

Statsmodels

statsmodels, çok sayıda istatistiksel modelin tahmini için sınıflar ve işlevler sunan, ayrıca istatistiksel testler ve veri keşfi yapmaya yarayan bir Python modülüdür.

Otokorelasyonları çizmek

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

plt.show()

Otokorelasyon grafiklerini yorumlamak

Zaman serisinde otokorelasyon

Zaman serisi verilerinde kısmi otokorelasyon

Otokorelasyonun aksine, kısmi otokorelasyon önceki zaman noktalarının etkisini kaldırır
Örneğin, order 3 kısmi otokorelasyon fonksiyonu, zaman serimiz (t1, t2, t3, ...) ile 3 birim gecikmeli değerleri (t4, t5, t6, ...) arasındaki korelasyonu, ancak 1 ve 2 gecikmelerine atfedilen tüm etkileri çıkardıktan sonra verir

Kısmi otokorelasyonları çizmek

import matplotlib.pyplot as plt

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

plt.show()

Kısmi otokorelasyon grafiklerini yorumlamak

Zaman serisinde kısmi otokorelasyon

Hadi pratik yapalım!

Python ile Zaman Serisi Verilerini Görselleştirme