Частичная автокорреляция

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Определение)
(→Определение)
Строка 16: Строка 16:
<tex>y^{k-1}_t = \beta_1 y_{t+1} + \beta_2 y_{t+2} + \dots + \beta_{k-1} y_{t+k-1}</tex> и
<tex>y^{k-1}_t = \beta_1 y_{t+1} + \beta_2 y_{t+2} + \dots + \beta_{k-1} y_{t+k-1}</tex> и
-
<tex>y^{k-1}_{t+k} = \beta_1 y_{t+k-1} + \beta_2 y_{t+k-2} + \dots + \beta_{k-1} y_{t+1}</tex>
+
<tex>y^{k-1}_{t+k} = \beta_1 y_{t+k-1} + \beta_2 y_{t+k-2} + \dots + \beta_{k-1} y_{t+1}</tex>.
==Описание==
==Описание==

Версия 21:33, 20 января 2014

Содержание

Частичная (частная) автокорреляция (partial autocorrelation) временных рядов используется для нахождения периодичностей во временных рядах и нахождения порядка авторегрессионной модели ряда.

Определение

Допустим дан временной ряд y_i. Частичную автокорреляцию для лага k обозначим за pacf(k). Тогда

pacf(k)=\left\{\begin{array}{ccccccccccc} corr(y_{t+k}, y_t) , k=1,\\ corr(y_{t+k} - y_{t+k}^{k-1}, y_t - y_t^{k-1}),k>1 \end{array}\right.

где y_t^{k-1} -- линейная регрессия на y_{t+1}, y_{t+2}, \dots , y_{t+k-1}, т.е.

y^{k-1}_t = \beta_1 y_{t+1} + \beta_2 y_{t+2} + \dots + \beta_{k-1} y_{t+k-1} и

y^{k-1}_{t+k} = \beta_1 y_{t+k-1} + \beta_2 y_{t+k-2} + \dots + \beta_{k-1} y_{t+1}.

Описание

Частичная автокорреляция похожа на обычную автокорреляцию, однако дополнительно удаляет линейную зависимость между cдвинутыми рядами путем вычитания y^{k-1}_t и y^{k-1}_{t+k}, как описано выше.

На графиках представлен пример временного ряда, его автокоррелиционная функция и его частичная автокорреляционная функция.
На графиках представлен пример временного ряда, его автокоррелиционная функция и его частичная автокорреляционная функция.

Программные реализации

Ссылки

Источник — «http://www.recognition.su/wiki/index.php?title=%D0%A7%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%BD%D0%B0%D1%8F_%D0%B0%D0%B2%D1%82%D0%BE%D0%BA%D0%BE%D1%80%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D0%B8%D1%8F»