Interpretacja wykresów cząstkowej autokorelacji
Jeśli wartości cząstkowej autokorelacji są bliskie 0, obserwacje i ich opóźnione odpowiedniki nie są ze sobą skorelowane. Z kolei wartości cząstkowej autokorelacji bliskie 1 lub -1 wskazują na silną dodatnią lub ujemną korelację między opóźnionymi obserwacjami szeregu czasowego.
Funkcja .plot_pacf() zwraca również przedziały ufności, które są przedstawiane jako niebieskie zacienione obszary. Jeśli wartości cząstkowej autokorelacji wykraczają poza te obszary, można przyjąć, że są one istotne statystycznie.
Na poniższym wykresie cząstkowej autokorelacji – przy których wartościach opóźnień cząstkowe autokorelacje są 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