Zacznij terazZacznij za darmo

Interpretacja wykresów autokorelacji

Gdy wartości autokorelacji są bliskie 0, kolejne obserwacje nie są ze sobą skorelowane. Natomiast wartości bliskie 1 lub -1 wskazują na silną dodatnią lub ujemną korelację między kolejnymi obserwacjami.

Aby ocenić wiarygodność obliczonych wartości autokorelacji, funkcja plot_acf() wyświetla również przedziały ufności (przedstawione jako niebieskie zacienione obszary). Jeśli wartość autokorelacji wykracza poza te obszary, można przyjąć, że jest ona istotna statystycznie.

Na wykresie autokorelacji poniżej – czy kolejne obserwacje są silnie skorelowane (czyli powyżej 0,5) i istotne statystycznie?

To ćwiczenie jest częścią kursu

Wizualizacja danych szeregów czasowych w Pythonie

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie