आर से एक एसीएफ में नीली बिंदीदार रेखाओं को समझना

Question

मुझे आटोक्लेररेशन फंक्शन की निम्न तस्वीर में नीली बिंदीदार रेखाओं को समझने में थोड़ी परेशानी हो रही है:

क्या कोई मुझे सरल व्याख्या दे सकता है, जो वे मुझे बता रहे हैं?

Answer 1

रेखाएं उन मानों को देती हैं जिनके आगे ऑटोक्रॉलेशन (सांख्यिकीय रूप से) शून्य से काफी भिन्न होते हैं। आपका ACF मौसमीता को इंगित करता है। मैं पूर्वानुमान लगाने की सलाह देता हूं : Hyndman & Athanasopoulos द्वारा सिद्धांत और अभ्यास , जो स्वतंत्र रूप से ऑनलाइन उपलब्ध है। (आप एक पेपर संस्करण भी खरीद सकते हैं।)

Comments

@ पिडोसॉरस: अच्छी बात है, मुझे पुस्तक के वास्तविक शीर्षक पर ध्यान देना चाहिए था। मैंने इसे शामिल करने के लिए अपना उत्तर संपादित कर दिया है। संपूर्ण otexts.com वेबसाइट नीचे लगती है। कृपया बाद में वापस जांचें - पुस्तक एक दिन पहले ही ऑनलाइन थी, और मुझे पता है कि लेखक दूसरे संस्करण पर काम कर रहे हैं, इसलिए मुझे यकीन है कि यह वापस आ जाएगा - और पुस्तक वास्तव में अत्यधिक अनुशंसित है।

— Stephan Kolassa

@ पिडोसॉरस: पकड़ने और संपादन के लिए धन्यवाद! लगता है जैसे मैंने URL टाइप करने में त्रुटि की। (मुझे आश्चर्य होता है कि किसी के

— नज़र आने

विश्वास बैंड वास्तव में कैसे गणना की जाती है, इस विवरण के लिए यह प्रश्न देखें ।

— कैंडमिर

Answer 2

यह मौसमी (लंबाई 18 अवधि) और लगभग 6 मौसमी अंतरालों का लंबा चक्रीय शब्द लगता है।

यह वास्तविक आवधिक कार्य के कारण भी हो सकता है

PACF या IACF कैसा दिखता है?

संपादित करें: प्लॉट R में उत्पन्न होने वाला लगता है; नीली धराशायी लाइनें सफेद शोर से उत्पन्न होती हैं, जो डिफ़ॉल्ट रूप से 95% अंतराल के लिए एक अनुमानित आत्मविश्वास अंतराल का प्रतिनिधित्व करती हैं

Comments

मैंने एक किताब से चित्र लिया और वहां पीएसीएफ नहीं दिया ... लेकिन मुझे केवल नीली बिंदीदार रेखा पर दिलचस्पी है :) धन्यवाद

— jjepsuomi

आप Arguments के तहत उनके नाम के plot.acfसाथ चीज़ों के लिए प्रविष्टियों के तहत फ़ंक्शन के लिए सहायता से (थोड़ी) अधिक जानकारी प्राप्त कर सकते हैं , साथ ही पूरे नोट अनुभाग में - उस सहायता पृष्ठ को यहां पा सकते हैंci

— Glen_b -Reinstate Monica

Answer 3

वे आपको बता रहे हैं कि क्या उस अंतराल पर संबंध महत्वपूर्ण है। कल्पना कीजिए कि यदि आपके पास समय श्रृंखला में सभी स्वतंत्र नमूने हैं (जो अशक्त परिकल्पना है), तो उस अंतराल पर होने वाले सहसंबंध की गणना की जाएगी

$var( Corr(x, y) ) = var( \frac{Cov(x, y)}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}- \mu_x * \mu_y}{\sigma_x * \sigma_y} ) = var( \frac{\mu_{xy}}{\sigma_x * \sigma_y} ) = \frac{ (\mu_x^2 + \sigma_x^2)*(\mu_y^2 + \sigma_y^2) - \mu_x^2 * \mu_y^2}{n * \sigma_x^2 * \sigma_y^2}$

$x$$y$$var( Corr(x, y) ) = 1/n$

इस प्रकार, यदि आप 95% विश्वास अंतराल की तलाश कर रहे हैं, तो आपके पास [-1.96 / \ sqrt {n}, + 1.96 / \ sqrt {n}] है।