自我相關函式（ACF）
為了更完整評估時間序列與其過去之間的關係，可以在許多不同的落後期（lag）上估計自我相關。我們通常最關注序列與其最近過去的關聯。
acf(..., lag.max = ..., plot = FALSE) 會從 0、1、2、… 一直到 lag.max 指定的數值，估計所有的自我相關。在前一個練習中，你將 lag.max 設為 1，因此聚焦在落後 1 期的自我相關。
在這個練習中，你會進一步探索 acf() 指令的其他用法。時間序列 x 已經為你預先載入，並顯示在右側的圖上。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
acf()檢視序列x從 0 到 10 的自我相關。將lag.max設為10，並將plot保持為FALSE。 - 執行
acf()的程式碼，從輸出中複製並貼上落後 10 期的自我相關估計值（ACF）。 - 針對落後 5 期的自我相關估計值（ACF）重複相同動作。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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