एक 1-आयामी, वास्तविक-मूल्यवान वेक्टर x पर विचार करें जो समय के साथ समान अंतराल पर मापी गई कुछ प्रक्रिया की टिप्पणियों का प्रतिनिधित्व करता है। हम कहते हैं एक्स एक समय श्रृंखला ।
चलो n की लंबाई निरूपित एक्स और एक्स निरूपित का समांतर माध्य एक्स । नमूना autocovariance समारोह के रूप में परिभाषित किया गया है
सभी के लिए - n < h < n । यह एक ही श्रृंखला पर दो बिंदुओं के बीच रैखिक निर्भरता को अलग-अलग समय पर मनाया जाता है।
नमूना autocorrelation समारोह , या ACF, के रूप में परिभाषित किया गया है
इस उपायों की श्रृंखला रैखिक पूर्वानुमान एक्स समय में टी है, जो हम निरूपित एक्स टी , केवल मूल्य का उपयोग कर एक्स टी + h ।
ध्यान दें कि ये नमूना अनुमान सैद्धांतिक गुणों के आधार पर भोले गणना से मेल नहीं खाते हैं। है यही कारण है, नमूना autocorrelation समारोह है नहीं के बराबर पियर्सन सहसंबंध गुणांक के एक्स के साथ ज -चरण के अंतराल एक्स ।
कार्य
यह देखते हुए एक सरणी एक्स और ग़ैर-ऋणात्मक पूर्णांक ज , प्रिंट या पहले लौट ज +1 अंतराल के autocorrelations एक्स , अंतराल 0. अंतराल autocorrelations उन ऊपर सूत्रों में नकारात्मक आदानों के लिए इसी रहे हैं के साथ शुरुआत।
आप मान सकते हैं कि 0 < h < n , जहां n की लंबाई x है , और वह 2 < n <256 है।
1E-4 के भीतर आउटपुट सही होना चाहिए। अंतर्निहित कार्यों या चलने के समय के उपयोग पर कोई प्रतिबंध नहीं है।
उदाहरण
h, x -> output
--------------
5, [2.4, 2.4, 2.4, 2.2, 2.1, 1.5, 2.3, 2.3, 2.5, 2] -> [1.00000000, 0.07659298, -0.06007802, -0.51144343, -0.02912874, -0.10468140]
1, [2134, 1863, 1877, 1877, 1492, 1249] -> [1.0000000, 0.3343041]
2, [13067.3, 13130.5, 13198.4] -> [1.0000000000, -0.0002854906, -0.4997145094]