여러 AR 시계열의 ACF 비교
AR 시계열의 자기상관함수는 AR 모수의 크기에 따라 지수적으로 감소합니다. 예를 들어 AR 모수 $\small \phi = +0.9\(이면 1시차 자기상관은 0.9, 2시차는 \)\small (0.9)^2 = 0.81\(, 3시차는 \)\small (0.9)^3 = 0.729\(처럼 됩니다. AR 모수가 작을수록 더 가파르게 감소하며, AR 모수가 음수일 경우(예: -0.9) 부호가 번갈아 바뀝니다. 즉 1시차 자기상관은 -0.9, 2시차는 \)\small (-0.9)^2 = 0.81\(, 3시차는 \)\small (-0.9)^3 = -0.729$처럼 됩니다.
simulated_data_1 개체는 AR 모수가 +0.9인 모의 시계열, simulated_data_2는 AR 모수가 -0.9인 경우, simulated_data_3는 AR 모수가 0.3인 경우입니다.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 분석
연습 안내
- 세 개의 모의 데이터셋 각각에 대해
plot_acf함수를 사용해 20시차까지의 자기상관함수를 계산하고,alpha=1로 설정해 신뢰구간을 표시하지 않도록 하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Plot 1: AR parameter = +0.9
plot_acf(___, alpha=1, lags=___)
plt.show()
# Plot 2: AR parameter = -0.9
plot_acf(___, alpha=___, lags=20)
plt.show()
# Plot 3: AR parameter = +0.3
plot_acf(___, alpha=___, lags=___)
plt.show()