统计与自适应信号处理_时间序列分析 自协方差/自相关系数/偏自相关系数
一组数据需要观察的话,我们需要了解一下他们的组成结构,正如我们要了解原子、分子、电子等的结构一个道理。
以
(一)通用的几个基本概念:均值、方差、标准差、协方差、相关系数
1、均值
均值(期望)是统计学中最常用的统计量,用来表明数据集中相对集中较多的中心位置。
数学表示:
2、方差
方差是用来度量一组数据的离散程度。概率论中方差用来度量随机变量和其期望(即均值)之间的偏离程度。统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数。
数学表示:
3、标准差
标准差(均方差),是离均差平方的算术平均数的平方根,用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。
数学表示:
4、协方差
协方差用来度量两个变量各个维度偏离其均值的程度,这与只表示一个变量误差的方差不同。协方差的值如果为正值,则说明两者是正相关的(从协方差可以引出“相关系数”的定义),结果为负值就说明负相关的,如果为0,也是就是统计上说的“相互独立”。
数学表示:
假设有两个随机变量X、Y,大致上有:
(1)若协方差为正数:X增大,Y增大;X减小,Y减小,即变化趋势相同。
(2)若协方差为负数:X增大,Y减小;X减小,Y增大,即变化趋势相反。
(3)若协方差为零:X与Y的变化没有任何关系。
5、相关系数
相关系数是研究变量之间线性相关程度的量。求出协方差之后,我们考虑一个问题就是协方差对应这每一个“协”关系,他们对应得比值是多少,所谓对应的比值可以理解为每一个“协”距离整体的距离比值是百分之几?两个的“协”对应他们的整体距离的比值是百分之几就能够表示他们之间有多相关,这个相关系数越大,表示这两个数值越有关系。可以理解为,如果两个序列,一个是3000多这个基数去变动,一个是10000多这个基数去变动,他们的绝对数据肯定是不一样的,但是他们的变动比率是一样的,所谓相关性也可以理解为把两个值统一化,在同一个维度来评价这两个值的协方差关系,因此在同一个维度来衡量这两个值的协方差关系就叫做相关系数。
数学表示:
相关系数的绝对值越大,相关性越强:相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。通常情况下通过以下取值范围判断变量的相关强度:
(1) 0.8-1.0 极强相关
(2) 0.6-0.8 强相关
(3) 0.4-0.6 中等程度相关
(4) 0.2-0.4 弱相关
(5) 0.0-0.2 极弱相关或无相关
时间序列的特点是一维,因此如果借用统计学上面的指标衡量,有些不太适宜。根据时间序列的特点,形成了自协方差、自相关函数、偏自相关函数。看到前面都加了一个“自”,原因是时间序列没法在找到一个别的数据和自己来进行比较;只能自己和自己来比较,自己和自己慢几拍(滞后期)的这些数据进行比较,所以加入了一个“自”。
(二)时间序列自有的几个基本概念:自协方差、自相关系数、偏自相关系数
1、自协方差
在统计学中,特定时间序列或者连续信号
数学表示:
可以认为自协方差是某个信号与其自身经过一定时间平移之后的相似性,自协方差
2、自相关系数(ACF)
自相关系数度量的是同一事件在两个不同时期之间的相关程度,形象的讲就是度量自己过去的行为对自己现在的影响。
数学表示:
自相关(autocorrelation),也叫序列相关,是一个信号于其自身在不同时间点的相关度。非正式地来说,它就是两次观察之间的相似度对它们之间的时间差的函数。它是找出重复模式(如被噪声掩盖的周期信号),或识别隐含在信号谐波频率中消失的基频的数学工具。它常用于信号处理中,用来分析函数或一系列值,如时域信号。
3、偏自相关系数(PACF)
根据ACF求出滞后k自相关系数
因为Z(t)同时还会受到中间k-1个随机变量Z(t-1)、Z(t-2)、……、Z(t-k+1)的影响,而这k-1个随机变量又都和z(t-k)具有相关关系,所以自相关系数里面实际掺杂了其他变量对Z(t)与Z(t-k)的影响。
为了能单纯测度Z(t-k)对Z(t)的影响,引进偏自相关系数(PACF)的概念。对于平稳时间序列{Z(t)},所谓滞后k偏自相关系数指在给定中间k-1个随机变量Z(t-1)、Z(t-2)、……、Z(t-k+1)的条件下,或者说,在剔除了中间k-1个随机变量Z(t-1)、Z(t-2)、……、Z(t-k+1)的干扰之后,Z(t-k)对Z(t)影响的相关程度。
数学表达:
计算某一个要素对另一个要素的影响或相关程度时,把其他要素的影响视为常数,即暂不考虑其他要素的影响,而单独研究那两个要素之间的相互关系的密切程度时,称为偏相关。
总结:时间序列借用统计学的数据结构分析公式
(1)期望还是等与期望
(2)自协方差 = 协方差(期望用整个时间序列的期望,一个期望)
(3)自相关系数 = 相关系数(期望用整个时间序列的期望,一个期望)
(4)偏自相关系数 = 相关系数(期望用各自序列的期望,两个期望)
统计与自适应信号处理_时间序列分析 自协方差/自相关系数/偏自相关系数相关推荐
- 数学建模时间序列分析_时间序列分析建模验证
数学建模时间序列分析 时间序列预测 (Time Series Forecasting) 背景 (Background) This article is the fourth in the series ...
- python arima模型_时间序列分析 ARIMA模型 Python(2)
最近做了一个时间序列分析的项目.时间序列分析不同于以前的项目--看一下相关的库怎么用,就可以快速上线应用.它是非常需要你的基础知识的,Hamilton关于<时间序列分析>方面的知识,写了厚 ...
- 时间序列 线性回归 区别_时间序列分析的完整介绍(带R)::线性过程I
时间序列 线性回归 区别 In the last tutorial , we saw how we could express the probabilistic form of the best l ...
- 浅尝辄止_数学建模(笔记_时间序列分析及其SPSS实现)
本文多是广泛的概念和SPSS运用,没有具体的推导过程和深入的探究 文章目录 一.时间序列分析 1.具体步骤: 二.基本知识 1.时间序列数据 2.时间序列的基本概念 3.时间序列分解 4.叠加模型和乘 ...
- python时间序列分析航空旅人_时间序列分析-ARIMA模型(python)
时间序列概念:在生产和科学研究中,对某一个或者一组变量 进行观察测量,将在一系列时刻 所得到的离散数字组成的序列集合,称之为时间序列.时间序列分析是根据系统观察得到的时间序列数据,通过曲线拟合和参数估 ...
- python时间序列指数平滑预测_时间序列分析预测实战之指数平滑法
一.什么是时间序列分析? 在工作中,常常要对数据进行预测,确定业务未来的发展趋势,进而配置相关的营销策略.制定业务目标,由此引申出了一个重要的用数据预测未来的方法--时间序列分析,今天和大家分享就是实 ...
- arima 数据预处理_时间序列分析|ARIMA模型分步骤解析及R中实践
你是否想要做时间序列分析,但却不知道代码怎么写? 你是否不清楚时间序列分析各种模型该在什么情况下使用? 本文将针对以上两个问题,带你入门时间序列分析~ 等等! 不止'入门' 读完这篇,你立即就能在R中 ...
- covariance matrix r语言_时间序列分析|ARIMAX模型分步骤详解和R中实践
这是关于时间序列的第N篇文章,本文将介绍ARIMAX模型,简单来说就是在ARIMA的基础上增加一个外生变量.ARIMAX和ARIMA相比在理论上没有太多新的内容,所以本文直接介绍在R里怎么一步一步跑A ...
- 回归分析加不加常数项_时间序列分析基础(一)
时间序列分析是量化投资的基础,作为本公众号的开篇,自然要从最基础的讲起.时间序列分析基础将分两个篇幅,第一篇包括时间序列的基本概念.成分与分解.自相关与偏自相关性.以及平稳性.第二篇主要讲一下用于时间 ...
- 应用时间序列分析清华大学出版社电子版_时间序列分析简介
来源:stata答疑 Q1:时间序列数据和时间序列分析 时间序列数据是在特定时间内监测或记录下的有序数据集合.太阳活动.潮汐.股票市场趋势.疾病传播等都是时间序列的典型案例.是指将同一统计指标 ...
最新文章
- tableau货架图制作_3小时精通Tableau图表制作(18类)
- CentOS7中挂载U盘
- Datawale编程学习之哈希表和字符串(4)
- Kafka配置3--Windows下配置Kafka集群
- mcinabox运行库下载_mcinabox下载-mcinabox运行库(附安装教程)最新官网版下载v0.1.3-1y2y游戏...
- 禾川Q1系列PLC官方教程
- 欧姆龙新​​ 3D AOI 系统中的软件和人工智能
- 计算机内部的单位换算(内存)byte B KB MB GB TB
- 马蜂窝站队腾讯,在线旅游的格局已定?
- 国防科大计算机学院暑期学校,国防科技大学研究生暑期学校:夏季学期别样红...
- 数据分析知识体系与校招时间线
- -Dmaven.multiModuleProjectDirectory system property is not set. Check $M2_HOME e
- Ubuntu 设置时间同步
- 我们是如何连上WiFi的?
- SumatraPDF反向搜索命令行设置
- 扫码防窜货系统技术开发
- mysql 数据表中文转拼音 sql中文转拼音 SQL中文转拼音首字母大写
- 测试踩坑 - 当已有接口(或数据库表中)新增字段时,都需要注意哪些测试点?
- 微课录屏软件哪个好?小白也能快速上手
- 中国航空货运行业投资战略分析与发展动向展望报告2021-2027年