सहसंबंध रैखिक संबंध को मापता है। अनौपचारिक संदर्भ में संबंध का अर्थ कुछ स्थिर है। जब हम स्थिर चरों के लिए नमूना सहसंबंध की गणना करते हैं और उपलब्ध डेटा बिंदुओं की संख्या में वृद्धि करते हैं तो यह नमूना सहसंबंध सही संबंध में बदल जाता है।
यह दिखाया जा सकता है कि कीमतों के लिए, जो आमतौर पर यादृच्छिक चलता है, नमूना सहसंबंध यादृच्छिक चर के लिए जाता है। इसका मतलब यह है कि हमारे पास कितना भी डेटा हो, परिणाम हमेशा अलग होगा।
नोट मैंने गणित के बिना गणितीय अंतर्ज्ञान व्यक्त करने की कोशिश की। गणितीय दृष्टिकोण से स्पष्टीकरण बहुत स्पष्ट है: स्थिर प्रक्रियाओं के नमूना क्षणों को स्थिरांक में संभावना में परिवर्तित किया जाता है। यादृच्छिक चलता का नमूना क्षण ब्राउनियन गति के अभिन्न अंग में परिवर्तित होता है जो यादृच्छिक चर हैं। चूँकि रिश्ते को आमतौर पर एक संख्या के रूप में व्यक्त किया जाता है और एक यादृच्छिक चर के रूप में नहीं, गैर-स्थिर चर के लिए सहसंबंध की गणना नहीं करने का कारण स्पष्ट हो जाता है।
अपडेट चूंकि हम दो चर के बीच सहसंबंध में रुचि रखते हैं, इसलिए पहले यह मान लें कि वे स्थिर प्रक्रिया । स्टेशनरी का तात्पर्य है कि ई जेड टी और सी ओ वी ( जेड टी , जेड टी - एच ) टी पर निर्भर नहीं करते हैं । तो सहसंबंधZt=(Xt,Yt)EZtcov(Zt,Zt−h)t
corr(Xt,Yt)=cov(Xt,Yt)DXtDYt−−−−−−−√
यह भी पर निर्भर नहीं करता है , क्योंकि सूत्र में सभी मात्राएं मैट्रिक्स सी ओ वी ( जेड टी ) से आती हैं, जो टी पर निर्भर नहीं करती हैं । तो नमूना सहसंबंध की गणनाtcov(Zt)t
बनाता है भावना, क्योंकि हम उचित उम्मीद है कि नमूना सहसंबंध का अनुमान लगाएगी हो सकता हैρ=गओआरआर(एक्सटी,वाईटी)। ऐसा लगता है कि इस आशा, निराधार नहीं है, क्योंकि कुछ शर्तों को पूरा स्थिर प्रक्रियाओं के लिए हम उस राशिρ→
ρ^=1T∑Tt=1(Xt−X¯)(Yt−Y¯)1T2∑Tt=1(Xt−X¯)2∑Tt=1(Yt−Y¯)2−−−−−−−−−−−−−−−−−−−−−−−−−−−√
ρ=corr(Xt,Yt) , के रूप में
टी → ∞ संभावना। इसके अलावा
√ρ^→ρT→∞वितरण में है, तो हम के बारे में परिकल्पना परीक्षण कर सकते हैं
ρ।
T−−√(ρ^−ρ)→N(0,σ2ρ)ρ
अब मान लीजिए कि स्थिर नहीं है। फिर c o r r ( X t , Y t ) t पर निर्भर हो सकता है । तो जब हम आकार का एक नमूना निरीक्षण टी हम अनुमान लगाने के लिए potentialy जरूरत टी अलग सहसंबंध ρ टी । यह निश्चित रूप से अलग है, इसलिए सर्वोत्तम स्थिति में हम केवल ρ t के कुछ कार्यात्मक का अनुमान लगा सकते हैं जैसे कि माध्य या विचरण। लेकिन परिणाम की समझदार व्याख्या नहीं हो सकती है।Ztcorr(Xt,Yt)tTTρtρt
अब हम जांचते हैं कि संभवतः सबसे अधिक अध्ययन की गई गैर-स्थिर प्रक्रिया के यादृच्छिक संबंध के साथ क्या होता है। हम प्रक्रिया फोन एक यादृच्छिक की पैदल दूरी पर है, तो जेड टी = Σ टी एस = 1 ( यू टी , वी टी ) , जहां सी टी = ( यू टी , वी टी ) एक स्थिर प्रक्रिया है। सरलता के लिए मान लें कि E C t = 0 । फिरZt=(Xt,Yt)Zt=∑ts=1(Ut,Vt)Ct=(Ut,Vt)ECt=0
corr(XtYt)=EXtYtDXtDYt−−−−−−−√=E∑ts=1Ut∑ts=1VtD∑ts=1UtD∑ts=1Vt−−−−−−−−−−−−−−−−√
आगे के मामलों को सरल बनाने के लिए, मान लें कि एक सफेद शोर है। इसका मतलब यह है कि सभी सहसंबंध ई ( सी टी सी टी + एच ) एच > 0 के लिए शून्य हैं । ध्यान दें कि यह c o r r ( U t , V t ) को शून्य तक सीमित नहीं करता है।Ct=(Ut,Vt)E(CtCt+h)h>0corr(Ut,Vt)
फिर
corr(Xt,Yt)=tEUtVtt2DUtDVt−−−−−−−−√=corr(U0,V0).
अब तक बहुत अच्छा है, हालांकि प्रक्रिया स्थिर नहीं है, सहसंबंध समझ में आता है, हालांकि हमें एक ही प्रतिबंधात्मक धारणाएं बनानी पड़ीं।
अब यह देखने के लिए कि नमूना सहसंबंध क्या होता है, हमें यादृच्छिक वाक के बारे में निम्नलिखित तथ्य का उपयोग करने की आवश्यकता होगी, जिसे कार्यात्मक केंद्रीय सीमा प्रमेय कहा जाता है:
1T−−√Z[Ts]=1T−−√∑t=1[Ts]Ct→(cov(C0))−1/2Ws,
s∈[0,1]Ws=(W1s,W2s)Ms=(M1s,M2s)=(cov(C0))−1/2Ws
सादगी के लिए फिर से हम नमूना सहसंबंध को परिभाषित करते हैं
ρ^=1T∑Tt=1XtYt1T∑Tt=1X2t1T∑Tt=1Y2t−−−−−−−−−−−−−−−−−−√
आइए हम variances से शुरू करते हैं। हमारे पास है
E1T∑t=1TX2t=1TE∑t=1T(∑s=1tUt)2=1T∑t=1Ttσ2U=σUT+12.
T
1T2∑t=1TX2t=∑t=1T1T(1T−−√∑s=1tUt)2→∫10M21sds
T→∞
इसी प्रकार हम प्राप्त करते हैं
1T2∑t=1TY2t→∫10M22sds
1T2∑t=1TXtYt→∫10M1sM2sds
तो अंत में हमारे यादृच्छिक चलना के नमूना सहसंबंध के लिए हमें मिलता है
ρ^→∫10M1sM2sds∫10M21sds∫10M22sds−−−−−−−−−−−−−−−√
T→∞
इसलिए, हालांकि सहसंबंध को अच्छी तरह से परिभाषित किया गया है, नमूना सहसंबंध स्थिर प्रक्रिया के मामले में, इसकी ओर नहीं बढ़ता है। इसके बजाय यह एक निश्चित यादृच्छिक चर में परिवर्तित होता है।