Εξερευνησε την αυτοσυσχετιση με lag plot

Visualize

Εξερευνησε την αυτοσυσχετιση με lag plot

Για να βρεις αυτοσυσχετιση σε χρονοσειρα, πλοταρε την προηγουμενη τιμη με την τρεχουσα. Αν ανεβαινει, η αυτοσυσχετιση ειναι ισχυρη.

import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(11)
series = np.cumsum(rng.normal(0, 1.2, size=120)) + 50
lag = 1

x_prev = series[:-lag]
x_curr = series[lag:]

fig, ax = plt.subplots(figsize=(4.4, 4.4))
ax.scatter(x_prev, x_curr, color="#38bdf8", alpha=0.7)

coef = np.corrcoef(x_prev, x_curr)[0, 1]
ax.set_xlabel("Τιμη στο t-1")
ax.set_ylabel("Τρεχουσα τιμη")
ax.set_title(f"Διασπορα lag {lag} (συσχετιση {coef:.2f})")
ax.grid(alpha=0.2)

lims = [min(series) - 2, max(series) + 2]
ax.plot(lims, lims, color="#475569", linestyle="--", linewidth=1)
ax.set_xlim(lims)
ax.set_ylim(lims)

fig.tight_layout()

plt.show()

Ανοδικη κλιση σημαινει ισχυρη αυτοσυσχετιση.

Συμβουλες αναγνωσης #

  • Αν τα σημεια γραφουν ανοδικη γραμμη, η αυτοσυσχετιση ειναι ισχυρη.
  • Ενας κυκλικος νεφος δειχνει ασθενη αυτοσυσχετιση, κοντα σε random walk.
  • Δες πολλα lags σε small multiples για να επιλεξεις τον καταλληλο.