自己相関とは何ですか？

cortiveパターンが繰り返されるデータセットでは、通常、自己相関が発生します。たとえば、収入や経済データなどの同様の変数の値は、しばしば互いに相関しています。また、研究者は偶然に自己相関することもできます。多くの場合、経済学の研究、信号処理を含む科学実験、および光学と音楽の記録に登場します。通常、時系列と組み合わせて説明されているこの現象は、研究者がデータの分析またはグループ化に使用するいくつかのパターンを含みます。例は、1人の収入が変化した場合と同時に、このキャッシュフローがその期間中に別の人またはグループがどのように費やすかを変える可能性があることです。企業または労働組合によるストライキが一度にワークアウトプットを削減し、その傾向が別の測定された時間枠に続く場合、データを自己相関させることもできます。部分的な自己相関が時々可能です。データが時間の経過とともに1つのシリーズ内で相関している場合、遅れがあります。シリアル自己相関は、通常、時系列で異なるデータ間で遅延が発生する場合です。これらの曲線は、傾向を反映するために使用できます。これには、サイクルで発生する可能性のある上向きパターンと下向きのパターンが含まれる場合があります。計算の間違いは、初心者の研究者が間違った値や変数を使用しているかなど、データを誤って相関させる可能性があります。外挿とデータの補間を使用すると、それらが時々相関することがありますが、そうではないと変数が時間と比較して分離されます。下位の傾向は、しばしば負の値に反映されます。このようなパターンは、多くの場合、経済学で分析されますが、シグナルパルス、電磁場の数学的分析、および統計のさまざまなアプリケーションにも表示される可能性があります。この現象は、原子の位置を測定したり、宇宙の銀河の分布を研究するなど、多様な用途でよく使用されます。統計は数学的に測定され、値が別の変数の値より上またはそれ以下であるかどうかは通常、結果を決定します。その後、研究者は純度を決定できます。この特性が見つかった場合、データセットはしばしば元のフォームに戻され、可能であれば現象を削除します。