¿Cuál es la autocorrelación para una caminata aleatoria?

11

Parece que es realmente alto, pero esto es contradictorio para mí. ¿Alguien puede explicar? Estoy muy confundido con este problema y agradecería una explicación detallada y perspicaz. ¡Muchas gracias por adelantado!

El baron
fuente

Respuestas:

11

(Escribí esto como respuesta a otra publicación, que se marcó como un duplicado de esta mientras estaba componiendo; pensé que lo publicaría aquí en lugar de tirarlo. Parece que dice cosas bastante similares a las de Whuber respuesta, pero es lo suficientemente diferente como para que alguien pueda obtener algo de esta).

Una caminata aleatoria tiene la formayt=i=1tϵi

Tenga en cuenta queyt=yt1+ϵt

Por lo tanto, .Cov(yt,yt1)=Cov(yt1+ϵt,yt1)=Var(yt1)

También tenga en cuenta queσt2=Var(yt)=tσϵ2

En consecuencia, .corr(yt,yt-1)=σt-12σt-1σt=σt-1σt=t-1t=1-1t1-12t

Es decir, debería ver una correlación de casi 1 porque tan pronto como comienza a , e son casi exactamente lo mismo: la diferencia relativa entre ellos tiende a ser bastante pequeña.y t y t - 1tytyt-1

Puede ver esto más fácilmente al trazar vs .y t - 1ytyt-1

ingrese la descripción de la imagen aquí

Ahora podemos verlo de forma algo intuitiva: imagine que ha reducido a (como vemos en mi simulación de una caminata aleatoria con término de ruido normal estándar). Entonces estará bastante cerca de ; podría ser o podría ser pero es casi seguro que esté dentro de unas pocas unidades de . Entonces, a medida que la serie se mueve hacia arriba y hacia abajo, la gráfica de vs casi siempre se mantendrá dentro de un rango bastante estrecho de la línea ... pero a medida que crezca, los puntos cubrirán más y tramos mayores a lo largo de que - 20 y t - 20 - 22 - 18.5 - 20 y t y t -yt-1-20yt-20-22-18,5-20yt y=xty=xyt-1y=Xty=Xlínea (la extensión a lo largo de la línea crece con , pero la extensión vertical permanece más o menos constante); la correlación debe acercarse a 1.t

Glen_b -Reinstate a Monica
fuente
9

En el contexto de su pregunta anterior , una "caminata aleatoria" es una realización de una caminata aleatoria binomial. La autocorrelación es la correlación entre el vector y el vector de los siguientes elementos .( x 0 , x 1 , , x n - 1 )(X0 0,X1,X2,...,Xnorte)(X0 0,X1,...,Xnorte-1)(X1,X2,...,Xnorte)

La construcción misma de una caminata aleatoria binomial hace que cada difiera de cada en una constante. Xyo+1Xyo Después de correr la caminata por un tiempo, los valores de se habrán alejado del valor inicial y, por lo tanto, generalmente cubrirán un buen rango, generalmente proporcional a de longitud. Por lo tanto, el diagrama de dispersión lag-1 de los pares consistirá en puntos que se encuentran solo en las líneas , estando en promedio cerca de la línea . Los residuos estarán cerca dex 0 XyoX0 0 (xi,x i + 1 )y=x±1y=x±11(norte(Xyo,Xyo+1)y=X±1y=X±1. Por lo tanto, en la gran mayoría de las realizaciones, la varianza de los residuos (aproximadamente ) en comparación con la varianza de los valores (aproximadamente en el orden de ) será pequeña . Esperaríamos que sea ​​aproximadamente1R2(norte/ /2)2=norte/ /4 4R2

R21-1norte/ /4 4=1-4 4norte.

Aquí hay una imagen de pasos en una caminata aleatoria (a la izquierda) y su diagrama de dispersión lag-1 (a la derecha). La codificación de colores se utiliza para ayudarlo a encontrar los puntos correspondientes en las dos parcelas. Observe que está muy cerca de en este caso.R 2 1 - 4 / nnorte=1000R21-4 4/ /norte

Figura


Aquí está el Rcódigo que produjo las imágenes.

set.seed(17)
n <- 1e3
x <- cumsum((runif(n) <= 1/2)*2-1)          # Binomial random walk at x_0=0
rho <- format(cor(x[-1], x[-n]), digits=3)  # Lag-1 correlation

par(mfrow=c(1,2))
plot(x, type="l", col="#e0e0e0", main="Sample Path")
points(x, pch=16, cex=0.75,  col=hsv(1:n/n, .8, .8, .2))
plot(x[-n], x[-1], asp=1, pch=16, col=hsv(1:n/n, .8, .8, .2),
     main="Lag-1 Scatterplot",
     xlab="Current value", ylab="Next value")
mtext(bquote(rho == .(rho)))
whuber
fuente