A volte viene chiamata anche “correlazione seriale” o “correlazione ritardata” perch\u00e9 misura la relazione tra i valori attuali di una variabile e i suoi valori storici.<\/span><\/p>\n Quando l\u2019autocorrelazione in una serie storica \u00e8 elevata, diventa facile prevedere i valori futuri semplicemente facendo riferimento ai valori passati.<\/span><\/p>\n Supponiamo di avere le seguenti serie temporali in R che mostrano il valore di una certa variabile per 15 periodi diversi:<\/span><\/p>\n Possiamo calcolare l’autocorrelazione per ogni ritardo nelle serie temporali utilizzando la funzione acf()<\/strong> dalla libreria tseries<\/strong> :<\/span><\/p>\n Il modo di interpretare il risultato \u00e8 il seguente:<\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n Possiamo anche specificare il numero di ritardi da visualizzare con l’argomento lag<\/strong> :<\/span><\/p>\n Possiamo tracciare la funzione di autocorrelazione per una serie temporale in R semplicemente non utilizzando l’argomento pl=FALSE<\/strong> :<\/span> <\/p>\n L’asse x mostra il numero di ritardi e l’asse y mostra l’autocorrelazione a quel numero di ritardi. Per impostazione predefinita, il grafico inizia con lag = 0 e l’autocorrelazione sar\u00e0 sempre 1<\/strong> con lag = 0.<\/span><\/p>\n Puoi anche specificare un titolo diverso per la trama utilizzando l’argomento principale<\/strong> :<\/span> <\/p>\n Come calcolare l’autocorrelazione in Python<\/a> L’autocorrelazione misura il grado di somiglianza tra una serie temporale e una versione ritardata di se stessa su intervalli di tempo successivi. A volte viene chiamata anche “correlazione seriale” o “correlazione ritardata” perch\u00e9 misura la relazione tra i valori attuali di una variabile e i suoi valori storici. Quando l\u2019autocorrelazione in una serie storica \u00e8 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Come calcolare l’autocorrelazione in R<\/strong><\/h3>\n
#define data<\/span>\nx <- c(22, 24, 25, 25, 28, 29, 34, 37, 40, 44, 51, 48, 47, 50, 51)\n<\/strong><\/pre>\n library<\/span> (tseries)<\/span>\n<\/span><\/span>\n#calculate autocorrelations<\/span>\nacf(x, pl= FALSE<\/span> )\n\n 0 1 2 3 4 5 6 7 8 9 10 \n 1.000 0.832 0.656 0.491 0.279 0.031 -0.165 -0.304 -0.401 -0.458 -0.450 \n 11 \n-0.369 \n<\/strong><\/pre>\n\n
#calculate autocorrelations up to lag=5<\/span>\nacf(x, lag=5, pl= FALSE<\/span> )\n\nAutocorrelations of series 'x', by lag\n\n 0 1 2 3 4 5 \n1.000 0.832 0.656 0.491 0.279 0.031<\/strong><\/pre>\n Come tracciare la funzione di autocorrelazione in R<\/strong><\/h3>\n
#plot autocorrelation function\n<\/span>acf(x)\n<\/strong><\/pre>\n![\"Autocorrelazione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/autocorrelationr1.png\")
<\/p>\n #plot autocorrelation function with custom title\n<\/span>acf(x, main=' Autocorrelation by Lag<\/span> ')<\/strong> <\/pre>\n![\"Grafico](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/autocorrelationr2.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare l’autocorrelazione in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"