La autocorrelación es un método estadístico utilizado para el análisis de series temporales. El objetivo es medir la correlación de dos valores en el mismo conjunto de datos en diferentes pasos de tiempo. Aunque los datos de tiempo no se usan para la autocorrelación calculada, los incrementos de tiempo deben ser iguales para obtener resultados significativos. El coeficiente de autocorrelación tiene dos propósitos. Puede detectar la no aleatoriedad en un conjunto de datos. Si los valores en el conjunto de datos no son aleatorios, la autocorrelación puede ayudar al analista a elegir un modelo de serie temporal apropiado.

Calcule la media, o promedio, de los datos que está analizando. La media es la suma de todos los valores de datos divididos por el número de valores de datos (n).

Decida un intervalo de tiempo (k) para su cálculo. El valor de latencia es un número entero que denota cuántos pasos de tiempo separan un valor de otro. Por ejemplo, el desfase entre (y1, t1) y (y6, t6) es cinco, porque hay 6 - 1 = 5 pasos de tiempo entre los dos valores. Cuando se prueba la aleatoriedad, generalmente solo se calculará un coeficiente de autocorrelación usando lag k = 1, aunque también funcionarán otros valores de lag. Cuando esté determinando un modelo de serie temporal apropiado, deberá calcular una serie de valores de autocorrelación, utilizando un valor de retardo diferente para cada uno.

Calcule la función de autocovarianza con la fórmula dada. Por ejemplo, si estaba calculando la tercera iteración (i = 3) usando un retraso k = 7, entonces el cálculo para esa iteración se vería así: (y3 - barra-y) (y10 - barra-y) Iterar a través de todos valores de "i" y luego tomar la suma y dividirla por el número de valores en el conjunto de datos.

Calcular la función de varianza con la fórmula dada. El cálculo es similar al de la función de autocovarianza, pero no se utiliza lag.

Divida la función de autocovarianza por la función de varianza para obtener el coeficiente de autocorrelación. Puede omitir este paso dividiendo las fórmulas para las dos funciones como se muestra, pero muchas veces, necesitará la autocovarianza y la varianza para otros fines, por lo que también es práctico calcularlas individualmente.