시계열 분석 3. 자기상관으로 무엇을 알 수 있을까요?
자기공분산을 자기상관으로 바꾸는 이유를 수식으로 살펴보고, ACF와 PACF의 해석 범위를 알아봅니다.
처음 오셨나요?
데이터는 어떻게 생겼고, 어떤 관계가 있을까요? 개념의 뜻을 예제와 함께 익힌 뒤, 정의와 수식으로 확인해 보겠습니다. 시간 순서가 있는 자료는 시계열 연재 12편에서 차례대로 살펴볼 수 있습니다.
자기공분산을 자기상관으로 바꾸는 이유를 수식으로 살펴보고, ACF와 PACF의 해석 범위를 알아봅니다.
시간이 지나도 유지되는 확률적 성질을 이해하고, 강정상성·약정상성·백색소음·랜덤워크의 관계를 살펴봅니다.
확률과정과 관측값을 구분하고, 백색소음의 평균·분산·무상관 조건이 각각 무엇을 의미하는지 알아봅니다.
airquality로 다음 날이 아닌 같은 날의 오존 농도 추정 문제를 정의하고, 분할·결측 처리·EDA·시계열 검증·모델 선택·최종 평가를 연결합니다.
iris와 prcomp로 표준화·설명 분산·loading·score를 확인하고, 학습 기준으로 새 관측값을 변환하는 방법을 실습합니다.