कई MA टाइम सीरीज़ के लिए ACF निकालें
AR(1) के विपरीत, MA(1) मॉडल में lag 1 से आगे कोई ऑटोकॉरिलेशन नहीं होता, MA(2) मॉडल में lag 2 से आगे नहीं होता, आदि. MA(1) मॉडल के लिए lag-1 ऑटोकॉरिलेशन \(\small \theta\) नहीं होता, बल्कि \(\small \theta / (1+\theta^2)\) होता है. उदाहरण के लिए, अगर MA पैरामीटर \(\small \theta\) = +0.9 है, तो पहले lag का ऑटोकॉरिलेशन \(\small 0.9/(1+(0.9)^2)=0.497\) होगा, और बाकी सभी lags पर ऑटोकॉरिलेशन शून्य होगा. अगर MA पैरामीटर \(\small \theta\) -0.9 है, तो पहले lag का ऑटोकॉरिलेशन \(\small -0.9/(1+(-0.9)^2)=-0.497\) होगा.
आप पिछले अभ्यास में बनाई गई तीनों टाइम सीरीज़ के लिए इन ऑटोकॉरिलेशन फंक्शंस को वेरिफाई करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Analysis
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Plot 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()