季节性与循环时间序列的自相关
当数据具有季节性或循环性时，ACF 会在季节性滞后或平均周期长度附近达到峰值。
您将通过绘制年度太阳黑子序列（遵循约 10–11 年的太阳活动周期）的 sunspot.year，以及 Hyndsight 博客的日访问量（遵循 7 天的每周模式）的 hyndsight 来研究这一现象。这两个对象已加载到您的工作区。
本练习是课程的一部分
R 中的预测
练习说明
- 生成
sunspot.year的时间图和 ACF 图。 - 观察 ACF 图，在哪个滞后值（x）处可以找到最大的自相关（y）？将其赋值给
maxlag_sunspot。 - 生成
hyndsight的时间图和 ACF 图。 - 观察 ACF 图，在哪个滞后值（x）处可以找到最大的自相关（y）？将其赋值给
maxlag_hyndsight。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot the annual sunspot numbers
autoplot(___)
ggAcf(___)
# Save the lag corresponding to maximum autocorrelation
maxlag_sunspot <- ___
# Plot the traffic on the Hyndsight blog
___
___
# Save the lag corresponding to maximum autocorrelation
maxlag_hyndsight <- ___