你的序列均值為零嗎?

方差隨時(shí)間變化嗎?

值與延遲值相關(guān)嗎?

你可以用一些工具來(lái)檢查你的時(shí)間序列是否為白噪音:

創(chuàng)建一個(gè)折線圖。檢查總體特征，如變化的平均值，方差或延遲變量之間的明顯關(guān)系。

計(jì)算匯總統(tǒng)計(jì)。對(duì)照序列中有意義的連續(xù)塊的均值和方差，檢查整個(gè)序列的均值和方差(如年、月、日)。

創(chuàng)建一個(gè)自相關(guān)的圖。檢查延遲變量之間的總體相關(guān)性。

白噪聲時(shí)間序列的例子

在本節(jié)中,我們將使用Python創(chuàng)建一個(gè)高斯白噪聲序列并做一些檢查。它有助于在實(shí)踐中創(chuàng)建和評(píng)估白噪聲時(shí)間序列。它將提供參考框架和示例圖并且使用和比較自己的時(shí)間序列項(xiàng)目的統(tǒng)計(jì)測(cè)試，以檢查它們是否為白噪聲

首先，我們可以使用隨機(jī)模塊的gauss()函數(shù)創(chuàng)建一個(gè)1,000個(gè)隨機(jī)高斯變量的列表。

我們將從高斯分布提取變量：平均值(mu)0.0和標(biāo)準(zhǔn)偏差(sigma)1.0。

一旦創(chuàng)建,為方便起見，我們可以在Pandas序列中打包這個(gè)列表。

from randomimport gaussfrom randomimport seedfrom pandasimport Seriesfrom pandas.tools.plottingimport autocorrelation_plot

# seed random number generatorseed(1)# create white noise series

series= [gauss(0.0,1.0)for iin range(1000)]series= Series(series)

接下來(lái)，我們可以計(jì)算和打印一些匯總統(tǒng)計(jì)數(shù)據(jù)，包含序列的平均值和標(biāo)準(zhǔn)偏差。

# summary statsprint(series.describe())

鑒于我們?cè)诶L制隨機(jī)數(shù)時(shí)定義了平均值和標(biāo)準(zhǔn)偏差，所以應(yīng)該不會(huì)有意外。

count 1000.000000mean -0.013222std 1.003685min -2.96121425% -0.68419250% -0.01093475% 0.703915max 2.737260

我們可以看到平均值接近0.0，標(biāo)準(zhǔn)偏差接近1.0?？紤]到樣本較小預(yù)測(cè)會(huì)有些誤差。

如果我們有更多的數(shù)據(jù)，將序列分成兩半計(jì)算和比較每一半的匯總統(tǒng)計(jì)可能會(huì)更有趣。我們認(rèn)為每個(gè)子系列的平均值和標(biāo)準(zhǔn)差都會(huì)相似。

現(xiàn)在我們可以創(chuàng)建一些序列的線條圖。

# line plot

series.plot()pyplot.show()

我們可以看到，這個(gè)序列似乎是隨機(jī)的。

我們還可以創(chuàng)建直方圖，并確認(rèn)分布是高斯分布。

# histogram plot

series.hist()pyplot.show()

事實(shí)上，直方圖顯示了典型的鐘形曲線。

最后，我們可以創(chuàng)建一個(gè)自相關(guān)圖并檢查延遲變量的所有自相關(guān)。

# autocorrelationautocorrelation_plot(series)pyplot.show()

自相關(guān)圖沒有顯示任何顯著的自相關(guān)特征。在峰值時(shí)可信度達(dá)在95％和99％，但這只是統(tǒng)計(jì)的偶然情況。

為了完整性，下面提供了完整的代碼清單。

from randomimport gaussfrom randomimport seedfrom pandasimport Seriesfrom pandas.tools.plottingimport autocorrelation_plotfrom matplotlibimport pyplot

# seed random number generatorseed(1)# create white noise series

series= [gauss(0.0,1.0)for iin range(1000)]series= Series(series)# summary statsprint(series.describe())# line plot

series.plot()pyplot.show()# histogram plot

series.hist()pyplot.show()# autocorrelationautocorrelation_plot(series)pyplot.show()

總結(jié)

以上是生活随笔為你收集整理的python去噪音_python中的噪声是什么意思的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。