অ-স্টেশনারিটির উপস্থিতিতে স্বতঃসংশ্লিষ্ট?

Question

অটোকোররিলেশন ফাংশনটির কি কোনও অ-স্টেশনারি টাইম সিরিজের কোনও অর্থ আছে?

টাইম সিরিজটি সাধারণত বক্স এবং জেনকিন্স মডেলিংয়ের উদ্দেশ্যে স্বতঃসংশ্লিষ্টকরণ ব্যবহৃত হওয়ার আগে স্থিতিশীল বলে ধরে নেওয়া হয়।

Comments

যদি আপনার ধারাবাহিকটি অবিবাহিত হয়, এসিএফ খুব ধীরে ধীরে হ্রাস পাবে, অকেজো হওয়ার উপক্রম হয় (এটি মূলত একটি ধ্রুবক)। 'কোন অর্থ আছে' বলতে কী বোঝ?

— ব্যবহারকারী 60

যদি সময় সিরিজটি স্থির না হয় তবে প্রায়শই সিরিজের প্রথম তফাতটি স্থির হয়ে উঠবে (উদাহরণস্বরূপ, আর্থিক সময় সিরিজ)।

— জন সালভাটিয়ার

Answer 1

@ শুভ একটি সুন্দর উত্তর দিয়েছেন। আমি কেবল যুক্ত করব, আপনি খুব সহজেই আর এটিকে অনুকরণ করতে পারেন:

op <- par(mfrow = c(2,2), mar = .5 + c(0,0,0,0))

N <- 500
# Simulate a Gaussian noise process
y1 <- rnorm(N)
# Turn it into integrated noise (a random walk)
y2 <- cumsum(y1)

plot(ts(y1), xlab="", ylab="", main="", axes=F); box()
plot(ts(y2), xlab="", ylab="", main="", axes=F); box()
acf(y1, xlab="", ylab="", main="", axes=F); box()
acf(y2, xlab="", ylab="", main="", axes=F); box()

par(op)

যা কিছুটা দেখতে এরকমভাবে শেষ হয়:

সুতরাং আপনি সহজেই দেখতে পারেন যে এসিএফ ফাংশনটি কোনও অ-স্টেশনারি সিরিজের ক্ষেত্রে ধীরে ধীরে শূন্যের দিকে চলে যায়। হ্রাসের হার হ'ল প্রবণতার কিছু পরিমাপ, যেমন @ শুভর উল্লেখ করেছেন, যদিও এই ধরণের বিশ্লেষণের জন্য এটি সেরা সরঞ্জাম নয়।

Answer 2

ভেরোগ্রাম হিসাবে তার বিকল্প আকারে, বড় ল্যাগগুলির সাথে ফাংশনটি যে হারে বৃদ্ধি পায় তা মোটামুটি গড় ট্রেন্ডের বর্গ। আপনি কোনও প্রবণতা পর্যাপ্তভাবে সরিয়ে দিয়েছেন কিনা তা সিদ্ধান্ত নেওয়ার জন্য এটি কখনও কখনও দরকারী উপায় হতে পারে।

স্কোয়ারের পারস্পরিক সম্পর্ককে উপযুক্ত বৈকল্পিক দ্বারা গুণিত করে উল্টোদিকে উল্টিয়ে ফেলা হিসাবে আপনি ভেরোগ্রামটি ভাবতে পারেন।

( স্থানিক স্বতঃসংশোধনের জন্য জিএএম অ্যাকাউন্টে অক্ষাংশ এবং দ্রাঘিমাংশকে কেন অন্তর্ভুক্ত করা হয়েছে তা উপস্থাপনের বিশ্লেষণের এই প্রত্যক্ষ ফলাফল) , যা দেখায় যে কিভাবে ভেরোগ্রামটি বিভিন্ন স্থানে মানগুলির মধ্যে প্রত্যাশিত স্কোয়ার পার্থক্য সম্পর্কে তথ্য অন্তর্ভুক্ত করে)

Answer 3

একটি ধারণা হতে পারে আপনার সময় সিরিজটি নিশ্চল করা এবং তারপরে এটিতে এসিএফ সম্পাদন করা। একটি সময় ধারাবাহিক স্থির করার এক উপায় হ'ল ধারাবাহিক পর্যবেক্ষণগুলির মধ্যে পার্থক্য গণনা করা । পার্থক্যযুক্ত সংকেতের ACF সিগন্যালে প্রবণতা বা মৌসুমতার প্রভাব থেকে ভোগা উচিত নয়।