Comprender las líneas de puntos azules en un ACF desde R

10

Tengo algunos problemas para entender las líneas de puntos azules en la siguiente imagen de la función de autocorrelación: ingrese la descripción de la imagen aquí

¿Podría alguien darme una explicación simple, lo que me están diciendo?

r time-series autocorrelation

— jjepsuomi
fuente

13

Las líneas dan los valores más allá de los cuales las autocorrelaciones son (estadísticamente) significativamente diferentes de cero. Su ACF parece indicar estacionalidad. Recomiendo Pronosticar: Principios y práctica de Hyndman & Athanasopoulos , que está disponible gratuitamente en línea. (También puede comprar una versión en papel).

— Stephan Kolassa
fuente

1

@pidosaurus: buen punto, debería haber anotado el título real del libro. He editado mi respuesta para incluirlo. Todo el sitio web otexts.com parece estar caído. Por favor, vuelva más tarde, el libro estuvo en línea hace un día, y sé que los autores están trabajando en la segunda edición, así que estoy seguro de que volverá, y el libro es realmente muy recomendable.

— Stephan Kolassa

@pidosaurus: ¡gracias por capturar y editar eso! Parece que cometí un error al escribir la URL. (Me hace preguntarme cómo obtuve seis votos a favor antes de que alguien se diera cuenta ...)

— Stephan Kolassa

1

Consulte esta pregunta para obtener detalles sobre cómo se calcula realmente la banda de confianza.

— Candamir

5

Parece estacionalidad (de 18 períodos de duración) y un plazo cíclico más largo de aproximadamente 6 intervalos estacionales.

También podría ser causado por una función periódica real

¿Cómo se ve el PACF o el IACF?

Editar: La trama parece ser una generada en R; las líneas discontinuas azules representan un intervalo de confianza aproximado para lo que produce el ruido blanco, por defecto un intervalo del 95%

— Glen_b -Reinstate a Monica
fuente

Tomé la foto de un libro y no se da PACF ... pero solo estoy interesado en la línea punteada azul :) Gracias

— jjepsuomi

1

Puede obtener (un poco) más información de la ayuda para la función plot.acfdebajo de las entradas para las cosas con cisu nombre en Argumentos , así como de toda la sección de Notas - encuentre esa página de ayuda aquí

— Glen_b

1

Le están diciendo si la correlación en ese retraso es significativa. Imagínese si tiene sus muestras totalmente independientes en la serie de tiempo (que es la hipótesis nula), la correlación en ese retraso se calculará como

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

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

Por lo tanto, si está buscando el intervalo de confianza del 95%, tiene [-1.96 / \ sqrt {n}, + 1.96 / \ sqrt {n}].

— Sheng
fuente