An assumption of linear dependence

An assumption of linear dependence is not necessary.
An organized curvature in the pattern of dots might suggest nonlinear dependence between time separated values.
Such nonlinear dependence might not be effectively summarized by other
methods (e.g., the autocorrelation function [acf], which is described later).
Another attribute is
that the lagged scatterplot can show if the autocorrelation is characteristic of the bulk of the data
or is driven by one or more outliers.

ผลลัพธ์ (ไทย) 1:

ไม่จำเป็นต้องมีสมมติฐานของการพึ่งพาเชิงเส้น ขนาดการจัดในรูปแบบของจุดอาจแนะนำพึ่งพาไม่เชิงเส้นระหว่างค่าคั่นเวลา พึ่งพาไม่เชิงเส้นดังกล่าวอาจไม่มีประสิทธิภาพสรุป โดยอื่น ๆ วิธี (เช่น autocorrelation ฟังก์ชัน [สโมสรฟุตบอล], ซึ่งจะอธิบายต่อไป)แอตทริบิวต์อื่น lagged scatterplot สามารถแสดงว่า autocorrelation ในลักษณะของกลุ่มข้อมูล หรือถูกควบคุม โดย outliers น้อย

ผลลัพธ์ (ไทย) 2:

สมมติฐานของการพึ่งพาอาศัยเชิงเส้นไม่จำเป็นต้อง
จัดความโค้งในรูปแบบของจุดอาจแนะนำการพึ่งพาอาศัยไม่เชิงเส้นระหว่างค่าเวลาที่แยกออกจาก
การพึ่งพาอาศัยไม่เชิงเส้นดังกล่าวอาจจะไม่ได้อย่างมีประสิทธิภาพโดยสรุปอื่น ๆ
วิธีการ (เช่นการทำงานผิดพลาดที่สัมพันธ์ [acf] ซึ่งจะอธิบาย ภายหลัง)
คุณลักษณะอีกประการหนึ่งคือ
ว่า scatterplot รั้งสามารถแสดงอัตถ้าเป็นลักษณะของกลุ่มของข้อมูล
หรือถูกขับเคลื่อนโดยหนึ่งหรือมากกว่าค่าผิดปกติ

ผลลัพธ์ (ไทย) 3:

สมมติฐานของการพึ่งพาเชิงเส้นไม่จําเป็น
จัดความโค้งในรูปแบบของจุดอาจแนะนำเชิงเส้นการพึ่งพาระหว่างเวลาเช่นการแยกค่า
ไม่เชิงเส้นอาจไม่มีประสิทธิภาพ สรุปได้โดยวิธีการอื่น ๆ ( เช่น ฟังก์ชัน autocorrelation
[ ACF ] ซึ่งจะอธิบายในภายหลัง ) .

คุณลักษณะอื่นคือที่ล้าหลัง scatterplot สามารถแสดงถ้าข้อมูลมีลักษณะเป็นกลุ่มของข้อมูล
หรือจะถูกขับเคลื่อนโดยหนึ่งหรือมากกว่าหนึ่งระดับ .