কীভাবে বলবেন যে অবশিষ্টাংশগুলি কোনও গ্রাফিক থেকে স্বতঃসংশ্লিষ্ট

Question

আপনি যখন কোনও ওএলএসের প্রতিরোধ করেন এবং ফলস্বরূপ অবশিষ্টাংশগুলি প্লট করেন, তখন কীভাবে আপনি বলতে পারবেন যে অবশিষ্টাংশগুলি স্বতঃসংশ্লিষ্ট? আমি জানি এটির জন্য (ডুর্বিন, ব্রুশ-গডফ্রে) পরীক্ষা রয়েছে তবে আমি ভাবছিলাম যে আপনি যদি অটোকোরিয়েশন কোনও সমস্যা হতে পারে তবে গেজ করার পরিকল্পনার দিকে নজর দিতে পারেন (কারণ হেটেরোস্কেস্টাস্টিটির জন্য এটি করা মোটামুটি সহজ)।

Answer 1

আপনি কেবল একটি চক্রান্তের দিকে নজর দিতে পারবেন না , আমি মনে করি এটি সাধারণত একটি ভাল বিকল্প। এই পরিস্থিতিতে হাইপোথিসিস পরীক্ষাটি ভুল প্রশ্নের জবাব দেয়।

দেখার সাধারণ প্লটটি অবশিষ্টাংশের একটি স্বতঃসংশোধন ফাংশন (এসিএফ) হবে।

Autocorrelation ফাংশন নিজস্ব lags সঙ্গে অবশিষ্টাংশ এর পারস্পরিক সম্পর্ক (ক সময় সিরিজ হিসাবে) হয়।

এখানে, উদাহরণস্বরূপ, মন্টগোমেরি এট আল এর একটি ছোট উদাহরণ থেকে অবশিষ্টাংশের এসিএফ

কিছু নমুনা পারস্পরিক সম্পর্ক (উদাহরণস্বরূপ ১,২ এবং ৮ এর লেগগুলিতে) বিশেষভাবে ছোট নয় (এবং এটি জিনিসগুলিকে যথেষ্ট পরিমাণে প্রভাবিত করতে পারে) তবে এগুলি শব্দগুলির প্রভাব থেকেও বলা যায় না (নমুনাটি খুব ছোট)।

সম্পাদনা করুন: এখানে একটি নিরবিচ্ছিন্ন এবং একটি অত্যন্ত সম্পর্কযুক্ত সিরিজের মধ্যে পার্থক্য চিত্রিত করার প্লট রয়েছে (প্রকৃতপক্ষে, একটি নিরবিচ্ছিন্ন)

উপরের প্লটটি সাদা শব্দ (স্বতন্ত্র)। নীচেরটি একটি এলোমেলো পদচারণা (যার পার্থক্যগুলি মূল সিরিজ) - এটির খুব শক্তিশালী স্বতঃসংশোধন।

Comments

উত্তরের জন্য ধন্যবাদ. আপনি যখন উইকির প্লটগুলি দেখুন ( en.wikedia.org/wiki/File:Acf_new.svg ), আপনি কি উপরের প্লট (এসিএফ প্লট নয়) থেকে বলতে পারেন যে অবশিষ্টাংশগুলি স্বতঃসংশ্লিষ্ট?

— জন ডো

আমি বলছি "হুম, অস্পষ্টভাবে চক্রাকার দেখাচ্ছে ... স্বশাসন হতে পারে, নাও হতে পারে। এসিএফ দেখতে কেমন?"

— গ্লেন_বি -রিনস্টেট মনিকা

ঠিক আছে, তবে আপনি কি সেটির বিস্তারিত ব্যাখ্যা করতে পারেন: উদাহরণস্বরূপ, আমি এই প্রশ্নটি পেয়েছি: stats.stackexchange.com/questions/14914/… স্পষ্টতই, স্বতঃসংশ্লিষ্টতা রয়েছে। আমি এই সিদ্ধান্তে আসতে বিশেষত কী খুঁজছি?

— জন ডো

অবশ্যই, এটি একটি এমন কিছু দেখায় যা ইতিবাচক স্বতঃসংশোধন উত্পন্ন করবে (যদিও আমি সম্ভবত এটি ট্রেন্ডের পাশাপাশি প্রবণতা সম্পর্কে নির্ভরতাও রেখেছি)। বিবেচনা করুন - যদি পর্যবেক্ষণগুলি স্বতন্ত্র থাকে, তবে সেই সুযোগটি সম্পর্কে চিন্তা করুন যেগুলির মধ্যে একটি দীর্ঘ রান গড়ের একদিকে বা অন্যদিকে থাকবে, যার বিপরীতে কোনওটি থাকবে না। আমি মনে করি সর্বোত্তম প্রথম বিকল্পটি হ'ল বিভিন্ন স্তরে স্ব-সংযুক্তিযুক্ত ডেটা সিমুলেট করা এবং এটির দিকে নজর দেওয়া।

— গ্লেন_বি -রিনস্টেট মনিকা

আমি পেয়েছি যে যখন তথ্যটি এলোমেলোভাবে বিতরণ করা হয় তখন আপনার কোনও অটোকোররিলেশন নেই। তবে স্বতঃসংশ্লিষ্টতার সূচক হিসাবে, যখন তথ্য এলোমেলোভাবে বিতরণ করা হয় না বা আপনি এক ধরণের প্যাটার্ন করেন (যেমন একটি উচ্চ মানের একটি ডেটা পয়েন্ট একটি উচ্চ মানের সাথে একাধিক ডেটা পয়েন্ট অনুসরণ করে) তখন কি যথেষ্ট?

— জন ডো

Answer 2

নমুনা পরিবর্তনের কারণে স্বতঃসংশ্লিষ্ট মানগুলির 5% বা তারও কম সময়ের ব্যবধানের বাইরে চলে গেলে এটি অস্বাভাবিক নয়। একটি অনুশীলন হ'ল প্রথম 20 টি মানের জন্য স্বতঃসংশ্লিষ্ট প্লট তৈরি করা এবং একাধিক মান অনুমোদিত ব্যবধানের বাইরে চলে কিনা তা পরীক্ষা করা।