Vídeo: Pertence, não pertence, contido, não contido, contém e não contém 2025
Para um conjunto de dados que consiste em observações tomadas em diferentes momentos (isto é, dados da série temporal ), é importante determinar se as observações estão ou não correlacionadas entre si. Isso ocorre porque muitas técnicas para modelar dados de séries temporais baseiam-se no pressuposto de que os dados não estão correlacionados entre si (independente).
Uma técnica gráfica que você pode usar para ver se os dados não estão correlacionados entre si é a função de autocorrelação . A função de autocorrelação mostra a correlação entre observações em séries temporais com atrasos diferentes. Por exemplo, a correlação entre as observações com o desfase 1 refere-se à correlação entre cada observação individual e seu valor anterior.
Esta figura mostra a função de autocorrelação para os retornos diários da ExxonMobil em 2013.
Cada "pico" na função de autocorrelação representa a correlação entre observações com um atraso determinado.
A autocorrelação com lag 0 sempre é igual a 1, pois isso representa as correlações das observações consigo mesmas.
No gráfico, as linhas tracejadas representam os limites inferior e superior de um intervalo de confiança . Se uma espiga subir acima do limite superior do intervalo de confiança ou cai abaixo do limite inferior do intervalo de confiança, isso mostra que a correlação para esse atraso não é 0. Isso é evidência contra a independência dos elementos em um conjunto de dados.
Neste caso, há apenas um pico estatisticamente significativo (no intervalo 8). Esse ponto mostra que os retornos do ExxonMobil podem ser independentes. Um teste estatístico mais formal mostraria se isso é verdade ou não.
