Autocorrelación en datos de series temporales
En el análisis de series temporales, la autocorrelación se refiere a la correlación de una serie con una versión retrasada de sí misma. Por ejemplo, una autocorrelación de orden 3 devuelve la correlación entre una serie temporal y sus propios valores retrasados 3 puntos en el tiempo.
Es habitual usar el gráfico de autocorrelación (ACF), también conocido como autocorrelación propia, para visualizar la autocorrelación de una serie temporal. La función plot_acf() de la librería statsmodels se puede usar para calcular y representar la autocorrelación de una serie temporal.
Este ejercicio forma parte del curso
Visualización de datos temporales en Python
Instrucciones del ejercicio
- Importa
tsaplotsdesdestatsmodels.graphics. - Usa la función
plot_acf()detsaplotspara representar la autocorrelación de la columna'co2'enco2_levels. - Especifica un retardo máximo de 24.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from ____ import ____
# Display the autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)
# Show plot
plt.show()