Bandas de confianza de la ACF: el retardo que se sale por azar, con simulaciones en R

Bandas de confianza de la ACF: el retardo que se sale por azar, con simulaciones en R

Juan Marcelo Gutierrez

Si has mirado muchos correlogramas, seguro que alguna vez has visto un retardo que se salía de la banda y le has buscado explicación. Quizá la tenía. O quizá era azar: en un correlograma de 20 retardos, lo raro es que no se salga ninguno.

Aquí vamos a medirlo: de dónde salen las bandas, cuántas veces se sale un retardo de puro ruido y cómo decidir cuándo hacerle caso.

Correlograma de 100 datos de ruido blanco

Si prefieres verlo paso a paso en pantalla, está en vídeo: Bandas de confianza en R: el retardo que se sale por azar.

La regla, por adelantado

Lo que vesQué significa
Un retardo suelto que apenas se saleNada
Uno que se sale donde la teoría lo espera: el 1, o el 12 en datos mensualesSí importa
Varios con un patrónHay estructura
DudasLjung-Box sobre todos

De dónde salen las bandas

Las bandas vienen de la varianza de la autocorrelación muestral. Si la serie es ruido blanco, esa varianza es 1/n1/n, y la banda es fija:

±1.96n\pm \frac{1.96}{\sqrt{n}}

Es la que dibuja feasts. Stata, para la ACF, usa la fórmula de Bartlett, que ensancha la banda con el retardo: si comparas programas, no te extrañe que no coincidan.

Generamos 100 datos de ruido blanco y miramos. La banda está en 1.96/100=0.1961.96/\sqrt{100} = 0.196, y el primer retardo da 0.14: dentro.

library(tsibble)
set.seed(49)
ruido <- tsibble(t = 1:100, e = rnorm(100), index = t)

ACF y PACF de 100 datos de ruido blanco, con la banda en 0.196

Un contraste en vez de veinte

Mirar 20 barras una a una son 20 contrastes. El de Ljung-Box los junta en un solo número: suma las autocorrelaciones al cuadrado, con un peso que corrige las muestras pequeñas, y se compara con una chi cuadrado.

Q=n(n+2)∑k=1mρ^k2n−kQ = n(n+2)\sum_{k=1}^{m} \frac{\hat{\rho}_k^2}{n-k}

Box.test(ruido$e, lag = 20, type = "Ljung-Box")

Con 20 retardos da 20.6, con un p-valor de 0.42. Ruido blanco, como sabíamos.

Salida de Box.test: Q de 20.6 y p-valor de 0.42

La prueba de fuego: mil series de ruido

Ahora lo medimos en serio: mil series de ruido blanco para cada tamaño, 50, 100 y 500 datos, y la proporción de veces que cada retardo se sale de la banda.

set.seed(4949)
fuera <- sapply(c(50, 100, 500), function(n) {
  rowMeans(replicate(1000, abs(acf(rnorm(n), lag.max = 20, plot = FALSE)$acf[-1]) > 1.96 / sqrt(n)))
})
dimnames(fuera) <- list(retardo = 1:20, n = c(50, 100, 500))
round(100 * colMeans(fuera), 1)

En R tarda segundos. De media se sale un 2.7 % con 50 datos, un 3.4 % con 100 y un 4.8 % con 500.

Con ggplot y geom_tile, el mapa de calor por retardo y tamaño cuenta el resto. Con 500 datos estamos cerca del 5 % que promete la banda. Con 50, la fila se aclara en los retardos altos: con pocos datos la autocorrelación muestral se encoge hacia cero. Pero en ninguna casilla es cero.

Mapa de calor del porcentaje de veces que cada retardo se sale, por tamaño de muestra

Por qué lo raro es que no se salga ninguno

Si cada retardo se sale un 5 % de las veces, la probabilidad de que no se salga ninguno de 20 es 0.9520=0.360.95^{20} = 0.36. Así que:

P(al menos uno fuera)=1−0.9520=0.64P(\text{al menos uno fuera}) = 1 - 0.95^{20} = 0.64

En un correlograma de 20 retardos de ruido puro, hay un 64 % de probabilidad de ver al menos uno fuera. Buscarle explicación a ese retardo es contar una historia sobre el azar.

Tu turno

Un correlograma de 40 retardos de ruido blanco: ¿cuántos esperas ver fuera de la banda? ¿Y cuál es la probabilidad de que se salga al menos uno? Calcúlalo antes de seguir leyendo.

Correlograma de 40 retardos de ruido blanco

Solución

De media, 40×0.05=240 \times 0.05 = 2 retardos fuera. Y la probabilidad de al menos uno, 1−0.9540=0.871 - 0.95^{40} = 0.87: un 87 %. En un correlograma largo, ver alguno fuera es casi seguro.

Con datos reales

Antes de interpretar un retardo, pregúntate si lo esperabas. El 1 en casi cualquier serie o el 12 en datos mensuales tienen una razón; el 17 suelto, probablemente no. Es la misma disciplina que evita encontrar patrones donde no los hay.

El tutorial completo, con el código en pantalla: Bandas de confianza en R: el retardo que se sale por azar. Y para el contexto: cómo leer la ACF y la PACF.

🚀Comparte este artículo

Math Chaos Texture
⚡

¿Necesitas resolver algo parecido?

Modelización cuantitativa, validación de modelos y data leadership. Trabajo bajo NDA si lo pides.

Háblame de tu proyecto →