時系列の自己相関関数から何を読み取るか？

時系列が与えられると、自己相関関数を推定してプロットすることができます。たとえば、次のようになります。

次に、この自己相関関数から、時系列について何を読み取ることができますか？たとえば、時系列の定常性について推論することは可能ですか？

編集：ここでは、ラグの多い差分シリーズのACFを含めました

このacfは、非定常性を示唆しています。これは、ラグ24で構造を証明するように見えるので、毎日の効果を組み込むことによって修正できる可能性があります。これらのいずれかを試して、結果を評価できます。さらなる構造が必要と思われる。これは、レベルシフトを含める必要があるか、ラグ1の微分演算子のような何らかの形式の短期自己回帰構造を含める必要がある可能性があります。有用なモードを特定して推定した後、残差は、次のアクション（モデル拡張）を提案して、信号はすべての情報を完全に抽出し、通常またはガウスのノイズプロセスをレンダリングしました。これにより、「安定性」に関する漠然とした質問に答えます。お役に立てれば ！

少し追加！

実際のデータがそうである間、acfはこれに関する最後の言葉ではないので、「提案」という言葉が使用されます。実際のデータがない場合、acfは時々プロセスを特徴付けるのに役立ちます。