Interpreta gráficos de autocorrelación
Si los valores de autocorrelación están cerca de 0, entonces los valores entre observaciones consecutivas no están correlacionados entre sí. Por el contrario, valores de autocorrelación cercanos a 1 o a -1 indican que existen fuertes correlaciones positivas o negativas entre observaciones consecutivas, respectivamente.
Para ayudarte a evaluar cuán fiables son estos valores de autocorrelación, la función plot_acf() también devuelve intervalos de confianza (representados como regiones sombreadas en azul). Si un valor de autocorrelación sobrepasa la región del intervalo de confianza, puedes asumir que ese valor observado es estadísticamente significativo.
En el gráfico de autocorrelación de abajo, ¿las observaciones consecutivas están muy correlacionadas (es decir, superiores a 0.5) y son estadísticamente significativas?
Este ejercicio forma parte del curso
Visualización de datos temporales en Python
Ejercicio interactivo práctico
Pon en práctica la teoría con uno de nuestros ejercicios interactivos
Empezar ejercicio