Otokorelasyon fonksiyonu
Bir zaman serisinin geçmişiyle nasıl ilişkili olduğunu daha iyi değerlendirmek için birçok gecikmede otokorelasyonlar tahmin edilebilir. Genellikle en çok, serinin en yakın geçmişiyle nasıl ilişkili olduğuyla ilgileniriz.
acf(..., lag.max = ..., plot = FALSE) fonksiyonu, 0, 1, 2, … şeklinde lag.max argümanıyla verilen değere kadar tüm otokorelasyonları tahmin eder. Önceki egzersizde, lag.max argümanını 1 yaparak gecikme-1 otokorelasyonuna odaklanmıştın.
Bu egzersizde, acf() komutunun bazı başka kullanım alanlarını keşfedeceksin. Yine, x zaman serisi senin için önceden yüklendi ve sağdaki grafikte gösteriliyor.
Bu egzersiz, kursun bir parçasıdır
R ile Zaman Serisi Analizi
Egzersiz talimatları
acf()kullanarakxserisinin 0'dan 10'a kadar olan otokorelasyonlarını görüntüle.lag.maxargümanını10olarak ayarla veplotargümanınıFALSEolarak bırak.acf()kodunu çalıştır ve çıktıda gecikme-10 için otokorelasyon tahminini (ACF) kopyalayıp yapıştır.- Aynısını gecikme-5 için otokorelasyon tahmini (ACF) için tekrarla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Generate ACF estimates for x up to lag-10
acf(___, lag.max = ___, plot = FALSE)
# Type the ACF estimate at lag-10
# Type the ACF estimate at lag-5