Het wordt ook wel ’seri\u00eble correlatie‘ of ‚vertraagde correlatie‘ genoemd omdat het de relatie meet tussen de huidige waarden van een variabele en zijn historische waarden.<\/span><\/p>\n Wanneer de autocorrelatie in een tijdreeks hoog is, wordt het eenvoudig om toekomstige waarden te voorspellen door simpelweg naar waarden uit het verleden te verwijzen.<\/span><\/p>\n Stel dat we de volgende tijdreeksen in R hebben die de waarde van een bepaalde variabele voor 15 verschillende perioden weergeven:<\/span><\/p>\n We kunnen de autocorrelatie voor elke vertraging in de tijdreeks berekenen met behulp van de acf()-<\/strong> functie uit de tseries-<\/strong> bibliotheek:<\/span><\/p>\n De manier om het resultaat te interpreteren is als volgt:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n We kunnen ook het aantal vertragingen specificeren dat moet worden weergegeven met het lag-<\/strong> argument:<\/span><\/p>\n We kunnen de autocorrelatiefunctie voor een tijdreeks in R plotten door simpelweg het pl=FALSE-<\/strong> argument niet te gebruiken:<\/span> <\/p>\n Op de x-as wordt het aantal vertragingen weergegeven en op de y-as de autocorrelatie bij dat aantal vertragingen. Standaard begint de plot bij lag = 0 en is de autocorrelatie altijd 1<\/strong> bij lag = 0.<\/span><\/p>\n Je kunt ook een andere titel voor de plot opgeven met behulp van het hoofdargument<\/strong> :<\/span> <\/p>\n Hoe autocorrelatie in Python te berekenen<\/a> Autocorrelatie meet de mate van gelijkenis tussen een tijdreeks en een vertraagde versie van zichzelf over opeenvolgende tijdsintervallen. Het wordt ook wel ’seri\u00eble correlatie‘ of ‚vertraagde correlatie‘ genoemd omdat het de relatie meet tussen de huidige waarden van een variabele en zijn historische waarden. Wanneer de autocorrelatie in een tijdreeks hoog is, wordt het eenvoudig […]<\/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":[],"class_list":["post-1114","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Hoe autocorrelatie in R te berekenen<\/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 Hoe de autocorrelatiefunctie in R te plotten<\/strong><\/h3>\n
#plot autocorrelation function\n<\/span>acf(x)\n<\/strong><\/pre>\n![\"Autocorrelatie](\"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![\"Autocorrelatieplot](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/autocorrelationr2.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe autocorrelatie in Excel te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"