自己相関のプロットが4つあります。
AR(1)モデルで、ARパラメータが -0.5 のものに対応する図はどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
このチャプターでは、時系列における相関と自己相関の考え方を紹介します。相関は2つの時系列の関係性を表し、自己相関はある時系列とその過去の値との関係性を表します。
このチャプターでは、いくつかの基本的な時系列モデルを学びます。ホワイトノイズやランダムウォークが含まれます。
このチャプターでは、時系列の自己回帰（AR）モデルを学びます。これらのモデルは系列の過去の値を用いて現在の値を予測します。
現在の演習
このチャプターでは、もう一つのタイプである移動平均（MA）モデルを学びます。さらに、ARモデルとMAモデルを組み合わせて強力なARMAモデルを構築する方法も見ていきます。
このチャプターでは、コインテグレーションモデルを用いて2つの系列を同時にモデル化する方法を学びます。最後に、ニューヨーク市の気温の時系列データを用いたケーススタディで締めくくります。
