Parciální autokorelace v datech časových řad

Stejně jako autokorelace měří funkce parciální autokorelace (PACF) korelační koeficient mezi časovou řadou a jejími zpožděnými verzemi. Navíc ale odstraňuje vliv předchozích časových bodů. Například parciální autokorelační funkce order 3 vrátí korelaci mezi naší časovou řadou (t_1, t_2, t_3, …) a jejími vlastními hodnotami zpožděnými o 3 časové body (t_4, t_5, t_6, …), ale až po odstranění veškerých vlivů přičitatelných zpoždění 1 a 2.

Funkce plot_pacf() z knihovny statsmodels umožňuje změřit a zobrazit parciální autokorelaci časové řady.

Toto cvičení je součástí kurzu

Vizualizace dat časových řad v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj tsaplots z statsmodels.graphics.
Pomocí funkce plot_pacf() z tsaplots vykresli parciální autokorelaci sloupce 'co2' v co2_levels.
Nastav maximální zpoždění na 24.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
____

# Display the partial autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)

# Show plot
plt.show()

Upravit a spustit kód