Autocovarianza

Questa voce è da wikificare
Questa voce o sezione sull'argomento statistica non è ancora formattata secondo gli standard.

In teoria della probabilità e statistica, dato un processo stocastico X = ( X t ) {\displaystyle X=(X_{t})} , l'autocovarianza è una funzione che dà la covarianza del processo con se stesso a coppie di punti temporali. Con la notazione usuale E  par l'operatore di aspettazione, se il processo ha la funzione di media μ t = E [ X t ] {\displaystyle \mu _{t}=E[X_{t}]} , allora l'autocovarianza è data da

C X X ( t , s ) = c o v ( X t , X s ) = E [ ( X t μ t ) ( X s μ s ) ] = E [ X t X s ] μ t μ s . {\displaystyle C_{XX}(t,s)=cov(X_{t},X_{s})=E[(X_{t}-\mu _{t})(X_{s}-\mu _{s})]=E[X_{t}X_{s}]-\mu _{t}\mu _{s}.\,}

L'autocovarianza è correlata alla più comunemente usata autocorrelazione del processo in questione.

Nel caso di un vettore casuale multivariato X = ( X 1 , X 2 , . . . , X n ) {\displaystyle X=(X_{1},X_{2},...,X_{n})} , l'autocovarianza diviene una matrice quadrata n per n, C X X {\displaystyle C_{XX}} , con l'elemento i , j {\displaystyle i,j} dato da C X i X j ( t , s ) = c o v ( X i , t , X j , s ) {\displaystyle C_{X_{i}X_{j}}(t,s)=cov(X_{i,t},X_{j,s})} e comunemente indicata come matrice delle autocovarianze associata con i vettori X t {\displaystyle X_{t}} e X s {\displaystyle X_{s}} .

Stazionarietà debole

Se X(t) è un processo debolmente stazionario, allora sono vere le seguenti uguaglianze:

μ t = μ s = μ {\displaystyle \mu _{t}=\mu _{s}=\mu \,} per ogni t, s

e

C X X ( t , s ) = C X X ( s t ) = C X X ( τ ) {\displaystyle C_{XX}(t,s)=C_{XX}(s-t)=C_{XX}(\tau )\,}

dove τ = | s t | {\displaystyle \tau =|s-t|} è il tempo di ritardo o il tempo con cui il segnale è stato traslato.

Normalizzazione

Quando si normalizza l'autocovarianza C di un processo debolmente stazionario con la sua varianza, C X X ( 0 ) = σ 2 {\displaystyle C_{XX}(0)=\sigma ^{2}} , si ottiene il coefficiente di autocorrelazione ρ {\displaystyle \rho } :[1]

ρ X X ( τ ) = C X X ( τ ) σ 2 {\displaystyle \rho _{XX}(\tau )={\frac {C_{XX}(\tau )}{\sigma ^{2}}}}

con 1 ρ X X ( τ ) 1 {\displaystyle -1\leq \rho _{XX}(\tau )\leq 1} .

Proprietà

L'autocovarianza di un processo filtrato linearmente Y t {\displaystyle Y_{t}}

Y t = k = a k X t + k {\displaystyle Y_{t}=\sum _{k=-\infty }^{\infty }a_{k}X_{t+k}\,}

è

C Y Y ( τ ) = k , l = a k a l C X X ( τ + k l ) . {\displaystyle C_{YY}(\tau )=\sum _{k,l=-\infty }^{\infty }a_{k}a_{l}^{*}C_{XX}(\tau +k-l).\,}

Note

  1. ^ David T. Westwick, Identification of Nonlinear Physiological Systems, IEEE Press, 2003, pp. 17–18, ISBN 0-471-27456-9.

Bibliografia

  • P. G. Hoel, Mathematical Statistics, Fifth, New York, Wiley, 1984, ISBN 0-471-89045-6.
  • Lecture notes on autocovariance from WHOI

Voci correlate

  • Autocorrelazione
  • Covarianza (probabilità)
  • Correlazione (statistica)
  • Covarianza incrociata
  • Correlazione incrociata