1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza szeregów czasowych w Pythonie
Connected

ćwiczenie

Porównanie ACF dla kilku szeregów czasowych AR

Funkcja autokorelacji dla szeregu czasowego AR zanika wykładniczo z szybkością zależną od parametru AR. Na przykład, jeśli parametr AR wynosi \(\small \phi = +0{,}9\), autokorelacja dla pierwszego opóźnienia wyniesie 0,9, dla drugiego \(\small (0{,}9)^2 = 0{,}81\), dla trzeciego \(\small (0{,}9)^3 = 0{,}729\) itd. Mniejszy parametr AR oznacza szybszy zanik, a dla ujemnego parametru AR, np. -0,9, zanik będzie zmieniał znak – autokorelacja dla pierwszego opóźnienia wyniesie -0,9, dla drugiego \(\small (-0{,}9)^2 = 0{,}81\), dla trzeciego \(\small (-0{,}9)^3 = -0{,}729\) itd.

Obiekt simulated_data_1 to symulowany szereg czasowy z parametrem AR równym +0,9, simulated_data_2 odpowiada parametrowi AR równemu -0,9, a simulated_data_3 – parametrowi AR równemu 0,3.

Instrukcje

100 XP
  • Oblicz funkcję autokorelacji dla każdego z trzech symulowanych zbiorów danych, używając funkcji plot_acf z 20 opóźnieniami (pomiń przedziały ufności, ustawiając alpha=1).