0,389
-0,389
3
0,353
0,392
-0,392
4
0,240
0,435
-0,435
5
-0,106
0,454
-0,454
6
-0,088
0,457
-0,457
7
0,315
0,460
-0,460
8
-0,136
0,490
-0,490
В
В
автокореляцій вже не бачимо, залишки розподілені як В«білий шумВ».
Висновок
Інший корисний метод дослідження періодичності полягає в дослідженні приватної автокореляційної функції (ЧАКФ), що представляє собою поглиблення поняття звичайної автокореляційної функції. У ЧАКФ усувається залежність між проміжними спостереженнями (спостереженнями всередині лага). Іншими словами, приватна автокорреляция на даному лагу аналогічна звичайній автокореляції, за винятком того, що при обчисленні з неї віддаляється вплив автокореляцій з меншими лагами. На лагу 1 (коли немає проміжних елементів усередині лага), приватна автокорреляция дорівнює, очевидно, звичайної автокореляції. Насправді, приватна автокорреляция дає більш "чисту" картину періодичних залежностей. p> Як зазначалося вище, періодична складова для даного лага k може бути видалена взяттям різниці відповідного порядку. Це означає, що з кожного i-го елемента ряду віднімається (ik)-й елемент. Є два доводи на користь таких перетворень. По-перше, таким чином можна визначити приховані періодичні складові ряду. Нагадаємо, що автокореляції на послідовних лагах залежні. Тому видалення деяких автокореляцій змінить інші автокореляції, які, можливо, придушували їх, і зробить деякі інші сезонні складові більш помітними. По-друге, видалення періодичних складових робить ряд стаціонарним, що необхідно для застосування деяких методів аналізу. h1 align=center> Література
1. Гмурман В.Є. Теорія ймовірностей і математична статистика. М.: Вища школа, 1977. p> 2. Гмурман В.Є. Керівництво вирішення задач з теорії ймовірностей та математичної статистиці. ...
