この記事は英語版の対応するページ
を翻訳することにより充実させることができます。(2024年5月)翻訳前に重要な指示を読むには右にある[表示]をクリックしてください。自己共分散(じこきょうぶんさん、英: autocovariance)とは、統計学における確率過程での、自分自身の時間をずらしたバージョンとの共分散である。確率過程 X(t) が平均 E[Xt] = μt を持つとき、その自己共分散は次のように表される。 K X X ( t , s ) = E [ ( X t − μ t ) ( X s − μ s ) ] = E [ X t ⋅ X s ] − μ t ⋅ μ s . {\displaystyle \,K_{\mathrm {XX} }(t,s)=E[(X_{t}-\mu _{t})(X_{s}-\mu _{s})]=E[X_{t}\cdot X_{s}]-\mu _{t}\cdot \mu _{s}.\,}
ここで、E は期待値演算子である。 X(t) が定常過程なら、以下の条件が成り立つ。すべての t, s について μ t = μ s = μ {\displaystyle \mu _{t}=\mu _{s}=\mu \,} かつ K X X ( t , s ) = K X X ( s − t ) = K X X ( τ ) {\displaystyle K_{\mathrm {XX} }(t,s)=K_{\mathrm {XX} }(s-t)=K_{\mathrm {XX} }(\tau )\,} ここで τ = s − t {\displaystyle \tau =s-t\,} はラグタイム、あるいは信号をシフトした時間の量である。 結果として、自己共分散は次のようになる。 K X X ( τ ) = E { ( X ( t ) − μ ) ( X ( t + τ ) − μ ) } {\displaystyle \,K_{\mathrm {XX} }(\tau )=E\{(X(t)-\mu )(X(t+\tau )-\mu )\}} = E { X ( t ) ⋅ X ( t + τ ) } − μ 2 , {\displaystyle =E\{X(t)\cdot X(t+\tau )\}-\mu ^{2},\,} = R X X ( τ ) − μ 2 , {\displaystyle =R_{\mathrm {XX} }(\tau )-\mu ^{2},\,} ここで RXX は自己相関を表す。 分散 σ2 で正規化すると、自己共分散は自己相関係数 ρ となる。 ρ X X ( τ ) = K X X ( τ ) σ 2 . {\displaystyle \rho _{\mathrm {XX} }(\tau )={\frac {K_{\mathrm {XX} }(\tau )}{\sigma ^{2}}}.\,} なお、自己相関と自己共分散という用語は相互に入れ替えて使われることもあるので注意が必要である。 自己共分散とは、完全な相関を示したときを σ2 として、そのラグにおいて時間シフトしたバージョンと自分自身がどれだけ似ているかを示す尺度と考えることができる。正規化により、その範囲が [−1, 1] に収められる。
定常性
正規化
参考文献
P. G. Hoel (1984): Mathematical Statistics, New York, Wiley
⇒Lecture notes on autocovariance from WHOI
表
話
編
歴
統計学
標本調査
標本
母集団
無作為抽出
層化抽出法
要約統計量
位置
平均
算術
幾何
調和
中央値
分位数
順序統計量
最頻値
階級値
分散
範囲
偏差
偏差値
標準偏差
標準誤差
変動係数
決定係数
相関係数
自己相関
共分散
自己共分散
分散共分散行列
百分率
統計的ばらつき
モーメント
分散
歪度
尖度
カテゴリデータ
頻度
分割表
推計統計学
パラメトリック
t検定
ウェルチのt検定
F検定
Z検定
二項検定
ジャック-ベラ検定
シャピロ?ウィルク検定
分散分析
共分散分析
ノンパラメトリック
ウィルコクソンの符号順位検定
マン・ホイットニーのU検定
カイ二乗検定
イェイツのカイ二乗検定
累積カイ二乗検定