Slovník | Vyhledávání | Mapa webu
 
Analýza a hodnocení biologických datStatistické modelování Ověřování předpokladů v klasickém modelu lineární regrese Autokorelace Detekce autokorelace

Logo Matematická biologie

Detekce autokorelace

Popišme nejprve, jak poznat přítomnost autokorelace v datech.

  1.  Graficky
    Označme Do grafu postupně vykreslíme hodnoty v závislosti na Bude-li z grafu zřejmá přibližná lineární závislost, svědčí to o autokorelaci 1. řádu nebo o špatné volbě modelu.
     
  2. Test hypotézy proti
    1. Pokud pracujeme s dostatečně velkým souborem pozorování (), přichází v úvahu asymptotický test vycházející z přibližné normality se střední hodnotou a rozptylem V takovém případě platí

Za platnosti hypotézy má tedy statistika

Pak nulovou hypotézu zamítáme, pokud kde je kvantil standardizovaného normálního rozdělení.
 

  1. Propracovanější je Durbinův - Watsonův test založený na statistice

Pokud budou residua málo korelovaná, hodnota se bude pohybovat kolem 2. Kladná hodnota způsobí, že a záporná korelace způsobí, že Přesné hodnoty kritických oborů pro test nalezneme v tabulkách.

Durbinův - Watsonův test se používá zejména u dat, jejichž jednotlivá pozorování byla pořízena postupně v pravidelných časových odstupech. Statisticky významná hodnota však může svědčit také o nesprávně zvoleném tvaru regresní funkce.

 
vytvořil Institut biostatistiky a analýz Masarykovy univerzity | | zpětné odkazy | validní XHTML 1.0 Strict