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
Interaktywne ćwiczenie praktyczne
Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń
Rozpocznij ćwiczenie