Я много почесываю голову. Теперь, для того, что Юлия выдает на первый взгляд назад результат относительно лаговЧто такое уравнение, используемое в ccf R и кроссовере Джулии?
julia> crosscor([1,2,3,4], [1,2,3,1])'
1x7 Array{Float64,2}:
-0.30339 0.0 0.64049 0.13484 -0.37081 -0.40452 0.30339
> print(ccf(c(1,2,3,4), c(1,2,3,1), type="correlation", plot=F))
Autocorrelations of series ‘X’, by lag
-3 -2 -1 0 1 2 3
0.303 -0.405 -0.371 0.135 0.640 0.000 -0.303
, который легко решается путем обращения х и у, за исключением («легко» является относительным, когда она занимает час жизни чтобы выяснить), числа не похожи ни на одно из уравнений, с которыми я знаком (которых мало, так или иначе).
Итак, я открыл учебник по статистике и нашел множество других формул, которые я не собираюсь тестировать с помощью ручки и бумаги. Я подозревал, что на мгновение, что удаление средств из векторов играла роль, поэтому я старался не делать, что (к сожалению, это может быть сделано только в Джулии)
julia> crosscor([1,2,3,4], [1,2,3,1], demean=false)'
1x7 Array{Float64,2}:
0.188562 0.518545 0.942809 0.848528 0.518545 0.235702 0.0471405
, но это по-прежнему не похож на нормированную кросс- корреляции, которую я вычислил с помощью ручки и бумаги (ожидающие ошибки, которые я мог сделать).
Вкратце: мне нужно привести формулу, так что это?
документация R 'помощь ("ККС")' содержит это в разделе "Ссылки": «Venables, WN и Рипли, BD (2002) Современные прикладной статистики с С. Четвертое издание Springer-Verlag (Это содержит.. точные определения.) « – Roland
Да, я думал, что сэкономлю себе поездку в библиотеку :) – Morpheu5
Извините, но у меня нет копии MASS. Так или иначе, всегда лучше искать такой материал. – Roland