Autocorrelatie in tijdreeksdata

Binnen de analyse van tijdreeksen verwijst autocorrelatie naar de correlatie van een tijdreeks met een verschoven versie van zichzelf. Een autocorrelatie van orde 3 geeft bijvoorbeeld de correlatie tussen een tijdreeks en zijn eigen waarden die met 3 tijdstappen zijn verschoven.

Het is gebruikelijk om de autocorrelatie (ACF)-grafiek, ook wel zelf-autocorrelatie genoemd, te gebruiken om de autocorrelatie van een tijdreeks te visualiseren. De functie plot_acf() in de bibliotheek statsmodels kan worden gebruikt om de autocorrelatie van een tijdreeks te meten en te plotten.

Deze oefening maakt deel uit van de cursus

Tijdreeksen visualiseren in Python

Cursus bekijken

Oefeninstructies

Importeer tsaplots uit statsmodels.graphics.
Gebruik de functie plot_acf() uit tsaplots om de autocorrelatie van de kolom 'co2' in co2_levels te plotten.
Geef een maximale lag van 24 op.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from ____ import ____

# Display the autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)

# Show plot
plt.show()

Code bewerken en uitvoeren