একটি 1-মাত্রিক, বাস্তব-মূল্যবান ভেক্টর এক্স বিবেচনা করুন যা সময়ের সাথে সমান ব্যবধানের ব্যবধানে পরিমাপ করা কিছু প্রক্রিয়া পর্যবেক্ষণের প্রতিনিধিত্ব করে। আমরা কল এক্স একটি সময় সিরিজ ।
যাক এন দৈর্ঘ্য বোঝাতে এক্স এবং এক্স বোঝাতে এর গাণিতিক গড় এক্স । নমুনা autocovariance ফাংশন হিসাবে সংজ্ঞায়িত করা হয়
সকলের জন্য - n < h < n । এটি বিভিন্ন সময়ে লক্ষ্য করা একই সিরিজের দুটি পয়েন্টের মধ্যে লিনিয়ার নির্ভরতা পরিমাপ করে।
নমুনা autocorrelation ফাংশন , অথবা ACF, হিসাবে সংজ্ঞায়িত করা হয়
এই ব্যবস্থা সিরিজ রৈখিক ভবিষ্যদ্বাণীর এক্স সময়ে টন , যা আমরা বোঝাতে এক্স টি , শুধুমাত্র মান ব্যবহার এক্স টি + H ।
নোট করুন যে এই নমুনা অনুমানগুলি তাত্ত্বিক বৈশিষ্ট্যের উপর ভিত্তি করে নিষ্প্রভ গণনার সাথে মেলে না। অর্থাৎ নমুনা autocorrelation ফাংশন হয় না সমান পিয়ারসন পারস্পরিক সম্পর্কের সহগের এর এক্স সঙ্গে জ -step এর ধীরে ধীরে চলা এক্স ।
কার্য
প্রদত্ত একটি অ্যারের এক্স এবং নন-নেগেটিভ পূর্ণসংখ্যা জ মুদ্রণ বা প্রথম আসতে জ + 1 ল্যাগ এর autocorrelations এক্স , বাধামুক্ত 0. ল্যাগ autocorrelations ঐ উপরে সূত্রে নেতিবাচক ইনপুট সংশ্লিষ্ট হয় সূচনা করে।
আপনি ধরে নিতে পারেন যে 0 < h < n , যেখানে n হল দৈর্ঘ্য x এবং 2 < n <256।
আউটপুট 1E-4 এর মধ্যে সঠিক হওয়া উচিত। অন্তর্নির্মিত ফাংশন বা চলমান সময় ব্যবহারে কোনও বিধিনিষেধ নেই।
উদাহরণ
h, x -> output
--------------
5, [2.4, 2.4, 2.4, 2.2, 2.1, 1.5, 2.3, 2.3, 2.5, 2] -> [1.00000000, 0.07659298, -0.06007802, -0.51144343, -0.02912874, -0.10468140]
1, [2134, 1863, 1877, 1877, 1492, 1249] -> [1.0000000, 0.3343041]
2, [13067.3, 13130.5, 13198.4] -> [1.0000000000, -0.0002854906, -0.4997145094]