(Pandalar) otokorelasyon grafiği neyi gösterir?

Ben bir acemiyim ve otokorelasyon grafiğinin ne gösterdiğini anlamaya çalışıyorum.

Burada bahsetmediğim , bu sayfa veya ilgili Wikipedia sayfası gibi farklı kaynaklardan çeşitli açıklamalar okudum .

Bir yıl için dizinimde tarihleri ​​olan ve değerler her dizin için 0'dan 365'e yükselen bu çok basit koda sahibim .. ( 1984-01-01:0, 1984-01-02:1 ... 1984-12-31:365)

import numpy as np
import pandas as pd
from pandas.plotting import autocorrelation_plot
import matplotlib.pyplot as plt

dr = pd.date_range(start='1984-01-01', end='1984-12-31')

df = pd.DataFrame(np.arange(len(dr)), index=dr, columns=["Values"])
autocorrelation_plot(df)
plt.show()

yazdırılan grafik nerede olacak

Grafiği başlar anlayabiliyorum ve görebileceğiniz 1.00tarihi:

Gecikme sıfır ile otokorelasyon her zaman 1'e eşittir, çünkü bu her terim ve kendisi arasındaki otokorelasyonu temsil eder. Gecikme sıfır değeri ve değeri her zaman aynı olacaktır.

Bu güzel, ama neden gecikme 50'deki bu grafiğin değeri 0.65 civarında? Ve neden 0'ın altına düşüyor? Sahip olduğum kodu göstermemiş olsaydım, bu otokorelasyon grafiğinin artan değerlerin bir zaman serisini gösterdiğini anlamak mümkün mü? Eğer öyleyse, bunu yeni başlayanlara nasıl çıkaracağınızı açıklamaya çalışabilir misiniz?

$h$

$$\hat{\gamma}(h) = \frac{1}{n} \sum_{t=1}^{n-\mid h \mid} (x_{t+h} - \bar{x})(x_t - \bar{x})$$

$h$$h$$t$$t+h$

$183$$h = 130$

$t = 234$$t+h=365$

$t= 1$$t = 53$$t + h$

$t=54$$t=182$

$t = 183$$t = 234$$t$$t+h$

Bunun, pozitif kovaryans noktalardan ve negatif kovaryans noktalardan otokovaryans fonksiyonuna yaklaşık olarak eşit katkılar nedeniyle korelasyonun ortalamanın nasıl sonuçlanacağını görüyor musunuz?

Olumlu olarak değişen noktalardan daha olumsuz olan daha fazla nokta olduğunu fark edebilirsiniz. Bununla birlikte, sezgisel olarak, pozitif olarak birbirine bağlı noktalar daha büyüktür (ortalamadan daha uzakta oldukları için), negatif olarak negatif olan noktalar ise ortama daha yakın oldukları için otokovaryans fonksiyonuna daha küçük bir büyüklük katmaktadır. Böylece bu, yaklaşık sıfır olan bir otokovaryans fonksiyonuyla sonuçlanır.