What is the translation of " АВТОКОРЕЛЯЦІЇ " in English?

• autocorrelation

Examples of using Автокореляції in Ukrainian and their translations into English

Автокореляції в цінових рядах, як правило.
Autocorrelation in the price ranks, as a rule.

Графічний звіт із результатами оцінки просторової автокореляції.
Graphic report with the results of spatial autocorrelation assessment.

Статистика просторової автокореляції така як Moran's I{\displaystyle I}.
Spatial autocorrelation statistics such as Moran's I{\displaystyle I}.

В один графік можна провести верхню та нижню межі для автокореляції за рівнем значущості.
In the same graph one can draw upper and lower bounds for autocorrelation with significance level α{\displaystyle\alpha\,}.

У другому випадку автокореляції немає, а процес цілком передбачуваний.
In the second case no autocorrelation, and the process is quite predictable.

Якщо невипадкове, то один або більше з автокореляції буде істотно відмінна від нуля.
If non-random, then one or more of the autocorrelations will be significantly non-zero.

Статистика просторової автокореляції вимірює і аналізує ступінь залежності між спостереженнями в географічному просторі.
Spatial autocorrelation statistics measure and analyze the degree of dependency among observations in a geographic space.

Якщо невипадкове, то один або більше з автокореляції буде істотно відмінна від нуля.
But if the data is non-random, one or more of the autocorrelations will be significantly non-zero.

Якщо ці автокореляції для якихось тимчасових періодів виявляться значуще відмінними від нуля, залишиться тільки посипати голову попелом і визнати безумовну правоту чартистів.
If these autocorrelation for some time periods will be significantly different from zero only in sackcloth and ashes, and to recognize the absolute correctness of the chartist.

Класична просторова статистика автокореляції порівняти просторові ваги в стосунки коваріаційних в парі точок.
Classic spatial autocorrelation statistics compare the spatial weights to the covariance relationship at pairs of locations.

Можливість просторової неоднорідності передбачає, що розрахункова ступінь автокореляції може значно варіюватися в залежності від географічного простору.
The possibility of spatial heterogeneity suggests that the estimated degree of autocorrelation may vary significantly across geo-space.

Тест є надійним щодо неуточненої автокореляції та гетероскедастичності в процесі порушення рівняння тесту.
The test is robust with respect to unspecified autocorrelation and heteroscedasticity in the disturbance process of the test equation.

Вони також використовуються в пасивних РК-панелях, як X і Y сигнали двійкового керування, де автокореляції між X і Y можуть бути зроблені мінімальними для вимкнених пікселів.
They are also used in passive LCD panels as X and Y binary driving waveforms where the autocorrelation between X and Y can be made minimal for pixels that are off.

Місцеві просторові статистичні автокореляції забезпечують оцінки з розбивкою на рівні одиниць просторового аналізу, що дозволяє оцінку відносин залежності через простір.
Local spatial autocorrelation statistics provide estimates disaggregated to the level of the spatial analysis units, allowing assessment of the dependency relationships across space.

Зауважимо, що на відміну від інших неясностей даний спір дуже легко вирішити за допомогою простого статистичного тесту, автокореляції обчисливши цін з різними часовими лагами.
Note that unlike other ambiguities this dispute is very easy to solve with the help of a simple statistical test, by calculating the autocorrelation prices with different time lags.

Статистика просторової автокореляції така як Moran's I{\displaystyle I} іGeary's C{\displaystyle C} є глобальними в тому сенсі, що вони оцінюють загальний ступінь просторової автокореляції для набору даних.
Spatial autocorrelation statistics such as Moran's and Geary's are global in the sense that they estimate the overall degree of spatial autocorrelation for a dataset.

Анотація: У статті висвітлені проблеми оцінювання стандартної непевності середнього значення серії результатів спостережень, які пов'язані із невідомою апріорі функцією їх автокореляції.
Description: In the article the problems of the estimation of standard uncertainty of the average value of the series observations, which are connected with the unknown a priori their autocorrelation function are presented.

Просторова залежність призводить до просторової задачі автокореляції в області статистики, оскільки, як тимчасова автокореляція, вона порушує стандартні статистичні методи, які передбачають незалежність між спостереженнями.
Spatial dependency causes the spatial autocorrelation problem in statistics because, like temporal autocorrelation; it violates standard statistical methods that suppose independence amongst observations.

Як і доповнений тест Дікі- Фулера, тест Філіпса- Перрона вирішує проблему, щодо якої процес генерування даних для y t{\displaystyle y_{t}} може мати більш високий порядок автокореляції, ніж дозволено в тестовому рівнянні, тобто y t- 1{\displaystyle y_{t-1}}-- ендогенний, а отже, t-тест Дікі- Фулера не можна застосовувати.
Like the augmented Dickey- Fuller test, the Phillips- Perron test addresses the issue that the process generating data for y t{\displaystyle y_{t}} might have a higher order of autocorrelation than is admitted in the test equation- making y t- 1{\displaystyle y_{t-1}} endogenous and thus invalidating the Dickey- Fuller t-test.

Статистика просторової автокореляції така як Moran's I{\displaystyle I} іGeary's C{\displaystyle C} є глобальними в тому сенсі, що вони оцінюють загальний ступінь просторової автокореляції для набору даних.
Spatial autocorrelation statistics such as Moran's I{\displaystyle I} and Geary's C{\displaystyle C} are global in the sense that they estimate the overall degree of spatial autocorrelation for a dataset.

Просторова автокореляція, що є більш позитивним, ніж очікувалося від випадкового вказують кластеризацію подібних значень по географічного простору, в той час як значна негативна просторової автокореляції показує, що сусідні значення більш несхожі, ніж очікувалося випадково, що вказує на просторову структуру, схожу на шахівниці.
Spatial autocorrelation that is more positive than expected from random indicate the clustering of similar values across geographic space, while significant negative spatial autocorrelation indicates that neighboring values are more dissimilar than expected by chance, suggesting a spatial pattern similar to a chess board.

Просторова залежність призводить до просторової задачі автокореляції в області статистики, оскільки, як тимчасова автокореляція, вона порушує стандартні статистичні методи, які передбачають незалежність між спостереженнями.
Spatial dependency leads to the spatial autocorrelation problem in statistics since, like temporal autocorrelation, this violates standard statistical techniques that assume independence among observations.

Перший закон географії, на думку Уолдо Тоблера,"ксе пов'язано з усім іншим, але близькі речі більше пов'язані, ніж далекі речі".[1] Цей закон є основою фундаментальних концепцій просторової залежності та просторової автокореляції і застосовується спеціально для методу зважування зворотної відстані для просторової інтерполяції та для підтримки регіоналізованої теорії змінних для кригінгу.[2] Це сучасна формула принципу суміжності Девіда Юма.
The First Law of Geography, according to Waldo Tobler, is"everything is related to everything else, but near things are more related than distant things."[1] This first law is the foundation of the fundamental concepts of spatial dependence and spatial autocorrelation and is utilized specifically for the inverse distance weighting method for spatial interpolation and to support the regionalized variable theory for kriging.[2] It is a modern formulation of David Hume's principle of contiguity.

Звернено увагу, що оцінювання коефіцієнтів автокореляції на основі зареєстрованих результатів спостережень супроводжується їх суттєвою статистичною нестабільністю, що у свою чергу спричиняється до недостовірного визначення ефективної кількості спостережень.
It is indicated, that the evaluation of autocorrelation coefficients using the registered observations is accompanied by their essential statistical instability, which in turn leads to the uncertain determination of the effective number of observations.

Це називається автокореляція і використовується для відхилення багатопроменевої інтерференції.
This is referred to as auto-correlation and is used to reject multi-path interference.

Просторові моделі, такі як статистична автокореляція, регресія і інтерполяції(див нижче) також можуть диктувати дизайн вибірки.
Spatial models such as autocorrelation statistics, regression and interpolation(see below) can also dictate sample design.

Якщо він статистично значно більше нуля, то є позитивна просторова автокореляція, а значення розподілені у просторі груповим чином.
If the criterion is significantly greater than zero the positive spatial autocorrelation exists, and values are distributed in space with a clustered mode.

G{\displaystyle G} статистики порівнюють околиці з глобальним середнім значенням і ідентифікують регіони з сильною автокореляцією.
G{\displaystyle G} statistics compare neighborhoods to a global average and identify local regions of strong autocorrelation.

Таким чином, використовуючи гравітаційну модель торгівлі та вивчаючи просторову автокореляцію за допомогою техніки просторової фільтрації власного вектора, я повторно оцінив дослідження Ліонетті й Патуеллі(2009).
Thus, using the gravity model of trade and capturing spatial autocorrelation by the eigenvector spatial filtering technique, I re-estimate the study by Lionetti and Patuelli(2009).

Комп'ютерний вчений Нейл Додгсон досліджував, чи можуть стрічкові картини Бріджет Райлі бути виражені математично, та дійшов висновку, що хоча на відстані«можна побачити деяке вираження», а глобальна ентропія працювала на деяких картинах, автокореляція провалилась, оскільки патерни Райлі були нерегулярними.
The computer scientist Neil Dodgson investigated whether Bridget Riley's stripe paintings could be characterised mathematically, concluding that while separation distance could"provide some characterisation" and global entropy worked on some paintings, autocorrelation failed as Riley's patterns were irregular.