Wolfram言語＆システムドキュメントセンター

AutocorrelationTest

AutocorrelationTest[data]

data が自己相関かどうかの検定を行う．

AutocorrelationTest[data,k]

data が自己相関かどうかの検定を遅れ k まで行う．

AutocorrelationTest[data,k,"property"]

指定されたモデルについての"property"の値を返す．

詳細とオプション

AutocorrelationTestは，自己相関 ρ₁=ρ₂=…=ρ_k==0という帰無仮説と，少なくとも1つが ρ_i≠0であるという対立仮説で data についてのランダム性の仮説検定を行う．
帰無仮説の棄却によって data がランダムではないという結果が可能になる．
デフォルトで，確率値，すなわち値が返される，
小さい値はランダム性が低いことを示している．
data は値のリスト{x₁,x₂,…,x_n}あるいはTemporalDataオブジェクトである．
遅れ k は，Automaticあるいは k<n となるような正の整数である．
k は，与えられていない場合はAutomaticであるとみなされる．
k をAutomaticに設定すると k=Ceiling[Log[n]]]が与えられる．
AutocorrelationTest[data,k,"test"]は，"test"に従って値をレポートする．
すべての経路の長さが等しく n である一変量データには，次の検定を使うことができる．
"LjungBox"

"BoxPierce"
多変量データには次の検定を使うことができる．
"LjungBox"

"BoxPierce" $n sum_(i=1)^kTr[TemplateBox[{{(, {gamma, _, i}, )}}, Transpose].TemplateBox[{{(, {gamma, _, 0}, )}}, Inverse].gamma_i.TemplateBox[{{(, {gamma, _, 0}, )}}, Inverse]]$
AutocorrelationTest[data,k,"HypothesisTestData"]はHypothesisTestDataオブジェクト htd を返す．このオブジェクトは，htd["property"] の形を使った追加的な検定結果と特性の抽出に使うことができる．
AutocorrelationTest[data,k,"property"]を使って"property"の値を直接与えることができる．
検定結果のレポートに関連する特性

	"AllTests"	適用可能なすべての検定のリスト
	"AutomaticTest"	Automaticが使われた場合に選ばれる検定
	"PValue"	値のリスト
	"PValueTable"	値のフォーマットされた表
	"ShortTestConclusion"	検定結果の簡単な記述
	"TestConclusion"	検定結果の記述
	"TestData"	検定統計と値のペアのリスト
	"TestDataTable"	検定統計と値のフォーマットされた表
	"TestStatistic"	検定統計のリスト
	"TestStatisticTable"	検定統計のフォーマットされた表

使用可能なオプション
SignificanceLevel 0.05 診断とレポートのための切捨て
単位根の検定については，のときにのみが拒絶されるような切捨てが選ばれる．"TestConclusion"特性と"ShortTestConclusion"特性に使われるの値はSignificanceLevelオプションで制御される．デフォルトで，は0.05に設定されている．

例題

すべて開くすべて閉じる

例 (1)

データがランダムかどうかの検定を行う：

このデータは自己相関である：

スコープ (14)

検定 (10)

時系列データを自己相関について検定する：

値は，一般に，データが自己相関ではない場合に大きくなる：

値は，一般に，データが自己相関の場合は小さい：

ベクトルデータを検定する：

遅れ5まで自己相関についての検定を行う：

遅れをAutomaticに設定することは，Ceiling[Log[n]]を使うことに等しい：

自己相関についての特定の検定を行う：

任意数の検定を同時に行うことができる：

Automaticを使うとLjung–Box検定が適用される：

特性"AutomaticTest"を使ってどちらの検定が使われるかを示すことができる：

データに適したすべての検定を同時に行う：

特性"AllTests"を使ってどちらの検定が使われたかを明らかにする：

特性を反復的に抽出するためにHypothesisTestDataオブジェクトを作る：

抽出に使用可能な特性：

HypothesisTestDataオブジェクトからいくつかの特性を抽出する：

"LjungBox"検定からの値および検定統計：

任意数の特性を同時に抽出する：

Box–Pierce検定からの値および検定統計：

レポート (4)

いくつかの検定からの結果を表にする：

すべての適切な検定結果の完全な表：

選択された検定結果の表：

カスタマイズしたレポートのために，検定表から項目を取り出す：

値は0.05より大きいので，このレベルでを棄却するに十分な証拠はない：

検定あるいは検定群のために値を表にする：

表からの値：

適切な全検定からの値の表：

検定の部分集合からの値の表：

検定あるいは検定群からの検定統計をレポートする：

表からの検定統計：

適切な全検定からの検定統計の表：

オプション (1)

SignificanceLevel (1)

有意水準は"TestConclusion"および"ShortTestConclusion"に対して用いられる：

アプリケーション (2)

指導教官が生徒に，各自が選んだソフトウェアを使って100ビットの乱数列を生成するように言った．教官は，適切に生成されなかったビットは見分けられるので注意するようにと加えた．次のデータはそのような2つの例を示している．生徒の一人は言われた通りに乱数生成器を使い，もう一人の生徒は授業の前にビットを走り書きした．どちらの学生がどちらの例を提出したのだろうか：

2番目の学生は宿題を適切に行わなかったようだ：

時系列モデルを10年分のシカゴの月平均気温データにフィットする．モデルが適切であれば無相関残差が含まれるはずである：

データは高度に自己相関である：

モデルの残差は無相関であり，適切なモデルが選ばれたことを示唆している：

考えられる問題 (1)

TemporalDataの最初の経路のみが検定される：

最初の経路のみを検定した場合と比較する：

Top

その他のラーニングリソース

テクニカルサポート

Wolframソリューション

教育のためのWolframソリューション

使い始める

Grow Your Skills

Wolframと繋がる

大人用の教育プログラム

若者のための教育プログラム

読む

AutocorrelationTest

詳細とオプション

例題

例 (1)