Help us understand the problem. What is going on with this article?

自己相関と偏自己相関

More than 1 year has passed since last update.

犬です

わん.png
犬が機械学習します。
プログラマーではありません。犬です。
自己相関、偏自己相関、コレグラムが何なのかを解明するためには自分でデータを作る必要があると思いましたのでやってみました。

やってみた

番外編

↓利用したデータ。超トレンドがあるように無理やり作った。
csvファイルほしい人はkengom777@gmail.comまで(アップロードの方法がわからんかったw)
無題.png

このファイルを読み込んで以下のプログラムでコレグラムを描画w。

import pandas as pd
from matplotlib import pylab as plt
import seaborn as sns
%matplotlib inline
sns.set()
import statsmodels.api as sm
import warnings
warnings.filterwarnings('ignore')

df = pd.read_csv('Autocorrelation.csv', index_col='no', dtype={'no': int, 'data': float})

ts_acf = sm.tsa.stattools.acf(df, nlags=40)
print(ts_acf)
ts_pacf = sm.tsa.stattools.pacf(df, nlags=40)
print(ts_acf)

fig = plt.figure(figsize=(16, 8))
#自己相関(ACF)のグラフ
ax1 = fig.add_subplot(211)
sm.graphics.tsa.plot_acf(df, lags=40, ax=ax1) #ACF計算とグラフ自動作成
#偏自己相関(PACF)のグラフ
ax2 = fig.add_subplot(212)
sm.graphics.tsa.plot_pacf(df, lags=40, ax=ax2) #PACF計算とグラフ自動作成

plt.tight_layout()

結果

無題.png

無題.png

犬の考察

作ったデータは
10,9,8,7,6,5,4,3,2,1
11,10,9,8,7,6,5,4,3,2
12,11,10,9,8,7,6,5,4,3
13,12,11,10,9,8,7,6,5,4
14,13,12,11,10,9,8,7,6,5
を5セット(合計50)と、単純なデータ

無題.png

10から1ずつ減る
1で11に増える
ちゃんと自己相関で周期性が出た

さらにやってみた

エクセルのint(rand()*10)を利用してランダム数値のcsvを作った(AutocorrelationRandom.csv)ほしい人はメールくださいw
これはサイコロの結果から未来を予想するのと同じでなんもわからんでしょ?を証明したい

結果(ソースは上のと全く同じ)
無題.png

無題.png

なんの関係もない場合こんな感じになるわけやな(1に近い、-1に近いデータがない)
とここまで進んでも偏自己相関はわからん・・・

一旦閉じます・・・

Why do not you register as a user and use Qiita more conveniently?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away