A função de correlação entre dois sinais é uma medida da dependência temporal entre eles. Se tais sinais forem independentes, a função de correlação cruzada (FCC) será pequena (estatisticamente zero) para todos os valores e diz-se que esses sinais são não-correlacionados.
A função de autocorrelação (FAC) possui o mesmo período que a função original. A FAC de qualquer sinal periódico é também periódica, com o mesmo período. A função de autocorrelação de uma variável aleatória é igual a zero.
As FAC e FCC são robustas ao ruído. Elas podem revelar a correlação existente em sinais imersos em ruído.
Exercícios
1) Do trabalho de previsão de temperatura da aula passada:
a) calcule o sinal de erro (vetor com medidas para todas as amostras); b) faça a FAC do sinal de erro gerado. Com base nessa FAC, comente sobre a eficiência do modelo em representar os dados.
2) Crie um sinal u(k) = Acos(wk) + e1(k) e um sinal y(k) = Asen(wk) +e2(k), sendo e1(k) e e2(k) variáveis aleatórias. a) Plote, em um gráfico com duas janelas, o sinal u(k) e o sinal y(k). Visualmente, existe correlação entre estes sinais? b) Faça a FCC entre u(k) e y(k). Os dois sinais são correlacionados? c) Comente sobre a robustez da FCC ao ruído. No uso estatístico geral, correlação se refere à medida da relação entre duas variáveis, embora correlação não implique causalidade.
Coeficiente de correlação
Se tivermos uma matriz em que cada coluna contém observações de uma variável, podemos calcular os coefcientes de correlação entre as variáveis desta matriz usando o comando
>> R = corrcoef(X)
Coeficientes de correlação variam entre -1 e 1. Quanto mais próximo de 1 ou de -1 o coeficiente
de correlação estiver, maior é a relação entre as duas variáveis. O sinal apenas representa uma correlação positiva (y cresce a medida que x cresce) ou negativa (y decresce a medida que x cresce ou vice versa). Quanto mais próximo de 0 o coeficiente de correlação estiver menos correlacionadas as variáveis são.
1) Deseja-se estudar as variáveis peso (y) e altura (x) em uma amostra de 12 homens adultos. Os valores são apresentados na tabela 1
a) Plote os dados em um gráfico.
b) Faça a FAC dos dados de altura. c) Faça a FAC dos dados de peso. d) Faça a FCC entre os dados de altura e peso. e) Calcule o coeficiente de correlação para cada caso, das letras b, c e d.
corrcoef(altura,peso)
2) Crie uma senóide, faça a FAC dela e calcule seu coeficiente de correlação.
3) Crie um sinal aleatório, faça a FAC dele e calcule seu coeficiente de correlação. randn(n,m) function [t,r,l,B]=myccf(c,lag,flag1,flag2,cor);
% [t,r,l]=myccf(c,lag,flag1,flag2,cor); % c1=c(:,1); c2=c(:,2); % the ccf are calculated from -lag/2 to lag/2 if flag1 = 1; % the ccf are calculated from 0 to lag if flag1 = 0; % plots the ccf between c1 and c2 if flag2 = 1; % if flag2=0 the ccf is returned in r (with respective % lags in t), but not plotted; % l is a scalar, the 95% confidence interval is +-l; % if cor='w', white lines are used. If cor='k', black. % r*B is the unnormalized value of r. % % in case of intending the FI(eu) plot c MUST be =[e u]
if flag1 == 1, t=-(lag):1:lag; else t=0:lag; r=r12(2,1:lag+1)/B; end;
% if plot if flag2 == 1,
% if -lag to lag if flag1 == 1, t=-(lag):1:lag; l=ones(2*lag+1,1)*1.96/sqrt(length(c1)); if cor=='w' plot(t,r,'w-',t,l,'w:',t,-l,'w:',0,1,'w.',0,-1,'w.'); else plot(t,r,'k-',t,l,'k:',t,-l,'k:',0,1,'k.',0,-1,'k.'); end; xlabel('lag');
