Howtosignalprocessing
Autokorelasi, yang kadang -kadang dikenali sebagai korelasi siri dalam kes masa diskret, adalah korelasi isyarat dengan salinan yang ditangguhkan sendiri sebagai fungsi kelewatan. Secara tidak rasmi, ia adalah persamaan antara pemerhatian pemboleh ubah rawak sebagai fungsi masa lag di antara mereka.
- Apakah perbezaan antara korelasi dan autokorelasi?
- Mengapa autokorelasi menjadi masalah?
- Apakah tujuan autokorelasi?
- Adakah autokorelasi baik atau buruk dalam siri masa?
Apakah perbezaan antara korelasi dan autokorelasi?
Autokorelasi, juga dikenali sebagai korelasi bersiri, merujuk kepada tahap korelasi pembolehubah yang sama antara dua selang masa berturut -turut. Nilai autokorelasi berkisar antara -1 hingga 1. Nilai antara -1 dan 0 mewakili autokorelasi negatif. Nilai antara 0 dan 1 mewakili autokorelasi positif.
Mengapa autokorelasi menjadi masalah?
Autokorelasi boleh menyebabkan masalah dalam analisis konvensional (seperti regresi kuadrat paling rendah) yang menganggap kemerdekaan pemerhatian. Dalam analisis regresi, autokorelasi sisa regresi juga boleh berlaku jika model itu tidak betul ditentukan.
Apakah tujuan autokorelasi?
Fungsi autokorelasi (Box dan Jenkins, 1976) boleh digunakan untuk dua tujuan berikut: untuk mengesan ketiadaan data dalam data. Untuk mengenal pasti model siri masa yang sesuai jika data tidak rawak.
Adakah autokorelasi baik atau buruk dalam siri masa?
Autokorelasi juga dikenali sebagai korelasi siri, korelasi siri masa dan korelasi yang tertinggal. Tidak kira bagaimana ia digunakan, autokorelasi adalah kaedah yang ideal untuk mengungkap trend dan corak dalam data siri masa yang mungkin tidak dapat ditemui.
