Autocorrelazione parziale nei dati di serie temporali
Come l'autocorrelazione, la funzione di autocorrelazione parziale (PACF) misura il coefficiente di correlazione tra una serie temporale e versioni ritardate di se stessa. Tuttavia, fa un passo in più rimuovendo anche l'effetto dei punti temporali precedenti. Per esempio, una funzione di autocorrelazione parziale di ordine 3 restituisce la correlazione tra la nostra serie temporale (t_1, t_2, t_3, …) e i suoi valori ritardati di 3 punti temporali (t_4, t_5, t_6, …), ma solo dopo aver rimosso tutti gli effetti attribuibili ai ritardi 1 e 2.
La funzione plot_pacf() della libreria statsmodels può essere usata per calcolare e tracciare l'autocorrelazione parziale di una serie temporale.
Questo esercizio fa parte del corso
Visualizzare dati di serie temporali in Python
Istruzioni dell'esercizio
- Importa
tsaplotsdastatsmodels.graphics. - Usa la funzione
plot_pacf()ditsaplotsper tracciare l'autocorrelazione parziale della colonna'co2'inco2_levels. - Specifica un ritardo massimo di 24.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()