相関だけでなく

データが手元にあると、標準ツールが不足していると感じることがあります。 これは、動的プロセスが数値の背後にあり、常に内部状態を変更しようとする場合に特に当てはまります。

カットの下で、著者は簡単なトリックを使用して、通常のデータからさまざまな情報の山を引き出す方法を示します。 これらの山では、研究中のプロセスの最も秘密の詳細を見つけることができます。唯一の質問は、好奇心とある程度の運です。



初期データとして、2つの気取らない曲線を取ります。広大な祖国のいくつかの都市のいくつかのカテゴリの道路の平均速度です。



参考までに、1週間分のデータのスライスが15分刻みで表示されます。



標準ツールで何ができるでしょうか？ 移動平均を調べ、分布を作成し、分散、共変動/相関を見つけ、畳み込みを行います。 これにより、いくつかの数値、新しい曲線が得られます。 そして、これが実際に何が起こっているのかを理解するのに十分でない場合はどうなりますか？



手元には2つの間隔があり、それぞれが多数のサブ間隔を提供できることを思い出してください。 2つのサブインターバルを順番に比較すると、1つまたは複数の数字が得られます。 2つのソースカーブのサブインターバルを生成する方法を選択するとき、少なくとも2次元のデータを生成し始めます。 例：

• サブインターバルのサイズを修正
• 横軸は、間隔の開始から曲線の開始までの距離です
• y軸は同じですが、曲線が異なります
• 値は、2つのサブインターバルの相関と見なされます

たとえば、幅が45ポイントのサブインターバルの画像は次のとおりです。





これも同じですが、幅が127ポイントの場合：





次に、ソースデータにノイズを追加します。

サブ間隔のサイズを127に固定し、ノイズをデータの振幅の増加と混合します。 ここに、例えば、9の振幅のノイズの写真があります





しかし、振幅69の場合：





最後に、256ポイントのウィンドウを設けた後の基本高調波（1日のサイクルに対応）の振幅の比率を見てみましょう。





512ポイントのウィンドウを設けた後の主高調波の位相差





道徳。 うーん...はい、道徳。

暗い部屋で黒猫を探すのを怠らないでください。 猫以外にも面白いものがあるかもしれません。