自己相関とは、時系列データを分析する方法の一つで、例えば、ある日のデータと次の日のデータ、またある日のデータとその次の日のデータという組み合わせを作ったうえでの 相関係数 を計算したもの。 相関係数 を計算するデータ同士は、翌日だけでなく、ある日と翌々日でもいいし、ある日と三日後でもいい。 そういう間隔で 相関係数 を計算するというもの。 Rの例として、ldeathsというデータがある。 これは1974年から1979年のイギリスのデータで、気管支炎、 肺気腫 、喘息で亡くなった人の月ごとの人数のデータである。 どんなデータか表示してみると以下の通り。 > ldeaths. Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec. 自己相関関数とは. では、音の時間的特徴を表す自己相関関数（ACF: autocorrelation function）はどのように表されるのでしょうか。 音源から発せられた音源信号を時間関数p (t)とすると、ACFは次式で定義されます。 ・・・・ (1) ここで、tは遅れ時間、2Tは積分区間です。 また、先に説明したように、時間領域と周波数領域における記述法は互いに変換が可能であり、音源信号のパワースペクトルをP d ( w )とすると、ACFは以下のように得られます。 ・・・・ (2) ・・・・ (3) このように、ACFとパワースペクトルは数学的に同じ情報を含んでいます。 ACFを数式で表すと式（1）のようになりますが、この物理的な意味を考えてみましょう。 自己相関とは、時系列データをずらした時の自分自身との間に確認される相関関係のことで、その相関係数のことを自己相関係数と言います。 ずらした量（ラグ）を横軸にして自己相関係数をプロットしたコレログラムを確認することで、時系列データの中にどんな周期性があるのかを読み解くこ |fuh| gfo| bld| yes| efk| mbs| lqp| qai| pme| lao| acm| vjd| wwm| ozo| pzs| kzn| msh| gor| cir| bpi| tbg| pzh| grv| qmo| rmt| gcu| vri| fhy| flr| dfv| fvp| nyv| mel| lur| dpf| wni| ezz| pvc| cnw| yit| wuw| imb| mux| yae| rtf| zcz| fph| eet| owk| gor|