Autocorrelation function का विज़ुअलाइज़ेशन

कई lags पर autocorrelation function (ACF) का अनुमान लगाना हमें यह जाँचने देता है कि कोई time series x अपने अतीत से कैसे संबंधित है। संख्यात्मक अनुमान विस्तृत गणनाओं के लिए महत्वपूर्ण हैं, लेकिन ACF को lag के एक फंक्शन के रूप में विज़ुअलाइज़ करना भी उपयोगी है.

असल में, acf() कमांड डिफ़ॉल्ट रूप से एक फ़िगर बनाता है। यह lag.max के लिए भी एक डिफ़ॉल्ट मान चुनता है, यानी जितने अधिकतम lags दिखाए जाएँगे.

तीन time series x, y, और z आपके R environment में लोड की गई हैं और दाईं ओर प्लॉट की गई हैं। time series x में प्रबल persistence दिखती है, यानी वर्तमान मान अपने पहले आने वाले मानों से काफ़ी क़रीबी रूप से संबंधित है। time series y में लगभग चार observations की cycle length वाला periodic pattern दिखता है, यानी वर्तमान मान लगभग चार पहले वाले observation के क़रीब होता है। time series z कोई स्पष्ट pattern नहीं दिखाती.

इस अभ्यास में, आप प्रत्येक time series के लिए एक अनुमानित autocorrelation function प्लॉट करेंगे। acf() द्वारा बनाए गए प्लॉट्स में, प्रत्येक autocorrelation अनुमान का lag क्षैतिज अक्ष पर दर्शाया जाता है और प्रत्येक अनुमान को ऊर्ध्वाधर बार्स की ऊँचाई द्वारा दिखाया जाता है। याद रखें कि lag-0 पर ACF हमेशा 1 होता है.

अंत में, प्रत्येक ACF फ़िगर में नीली, क्षैतिज, dashed रेखाओं की एक जोड़ी शामिल होती है, जो शून्य के आसपास केंद्रित lag-वार 95% confidence intervals को दर्शाती हैं। इनका उपयोग किसी दिए गए lag पर व्यक्तिगत autocorrelation अनुमान की सांख्यिकीय महत्त्वपूर्णता को शून्य के null मान (अर्थात, उस lag पर कोई autocorrelation नहीं) के विरुद्ध जाँचने के लिए किया जाता है।