用來測量當前序列值與過去序列值之間的相關性，並指示**將來序列值時最有用的過去序列值。
自相關函式 (acf)。延遲為 k 時，這是相距 k 個時間間隔的序列值之間的相關性。
偏自相關函式 (pacf)。延遲為 k 時，這是相距 k 個時間間隔的序列值之間的相關性，同時考慮了間隔之間的值。
截尾是指時間序列的自相關函式（acf）或偏自相關函式（pacf）在某階後均為0的性質（比如ar的pacf）；拖尾是acf或pacf並不在某階後均為0的性質（比如ar的acf）。
截尾：在大於某個常數k後快速趨於0為k階截尾
拖尾：始終有非零取值，不會在k大於某個常數後就恆等於零(或在0附近隨機波動)
看得有點懵，還沒有理解掉。
模型的自相關係數計算 自相關係數和偏相關係數
我們知道在時間序列分析中，常用的模型有arma ar和ma模型。建立模型的前期，需要確定階數，例如ar p 模型的引數p。這時就需要根據時間序列的acf和pacf函式值來確定，然後建立模型，最後需要檢驗模型的效果。注意 模型的acf是根據定義求值然後建立acf圖，再確定階數。公式1 k是間隔的階數 ...
皮爾遜相關係數 如何理解皮爾遜相關係數和協方差
如果結果為正值，則說明兩者是正相關的，也就是說乙個人身高越高體重越重。如果結果為負值，就說明兩者是負相關。如果為0，則兩者之間沒有關係，身高和體重之間沒有關聯。雖然協方差能反映兩個隨機變數的相關程度 協方差大於0的時候表示兩者正相關，小於0的時候表示兩者負相關 但是協方差值的大小並不能很好地度量兩個...
皮爾森相關係數 皮爾森相關係數的計算
在 變數關係大揭秘 一 我們提到了皮爾森相關係數r 先來兩個散點圖，左圖中x和y不相關，右圖中x和y高度正相關，差別在哪？讓我們在左右兩圖各畫乙個 田 字，田 字中心的座標是 x的平均值，y的平均值 比較左右兩圖，我們知道 當散點在a b c d均勻分布，x和y不相關 當a和c的點越多，並且b和d的...