สหสัมพันธ์อัตโนมัติ (อังกฤษ: autocorrelation) หรือ สหสัมพันธ์เชิงอนุกรม (อังกฤษ: serial correlation) เป็นสหสัมพันธ์ระหว่างสัญญาณหนึ่ง ๆ กับตัวสัญญาณเองที่หน่วงเวลาตามฟังก์ชันการหน่วงเวลา โดยอรูปนัยแล้ว มันก็คือความคล้ายคลึงกันระหว่างสัญญาณช่วงต่าง ๆ ตามฟังก์ชันของระยะเวลาระหว่างสัญญาณ การวิเคราะห์สหสัมพันธ์อัตโนมัติเป็นวิธีการทางคณิตศาสตร์เพื่อหารูปแบบที่เกิดซ้ำ ๆ เช่น สัญญาณเป็นคาบที่อำพรางโดยเสียงรบกวน หรือเพื่อระบุความถี่มูลฐานที่ไม่มีซึ่งความถี่ของฮาร์มอนิกในสัญญาณจะบอกเป็นนัย เป็นวิธีที่บ่อยครั้งใช้ในการประมวลผลสัญญาณเพื่อวิเคราะห์หาฟังก์ชันของค่าเป็นชุด ๆ เช่นสัญญาณที่เกิดตามเวลา (time domain) โดย Unit root process, trend stationary process, autoregressive process, และ moving average process ล้วนเป็นรูปแบบกระบวนการโดยเฉพาะ ๆ ที่มีสหสัมพันธ์อัตโนมัติ
สาขาการศึกษาต่าง ๆ นิยามสหสัมพันธ์อัตโนมัติไว้ไม่เหมือนกัน และนิยามเหล่านี้ไม่ได้สมมูลกันทั้งหมด ในบางสาขา คำนี้ใช้ในความหมายเดียวกับคำว่า autocovariance
ดูเพิ่ม
อ้างอิง
- "Autocorrelation", ศัพท์บัญญัติอังกฤษ-ไทย, ไทย-อังกฤษ ฉบับราชบัณฑิตยสถาน (คอมพิวเตอร์) รุ่น ๑.๑ ฉบับ ๒๕๔๕,
(คณิตศาสตร์) สหสัมพันธ์อัตโนมัติ
- "serial correlation", ศัพท์บัญญัติอังกฤษ-ไทย, ไทย-อังกฤษ ฉบับราชบัณฑิตยสถาน (คอมพิวเตอร์) รุ่น ๑.๑ ฉบับ ๒๕๔๕,
(คณิตศาสตร์) สหสัมพันธ์เชิงอนุกรม
wikipedia, แบบไทย, วิกิพีเดีย, วิกิ หนังสือ, หนังสือ, ห้องสมุด, บทความ, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม, มือถือ, โทรศัพท์, Android, iOS, Apple, โทรศัพท์โมบิล, Samsung, iPhone, Xiomi, Xiaomi, Redmi, Honor, Oppo, Nokia, Sonya, MI, PC, พีซี, web, เว็บ, คอมพิวเตอร์
shsmphnthxtonmti xngkvs autocorrelation hrux shsmphnthechingxnukrm xngkvs serial correlation epnshsmphnthrahwangsyyanhnung kbtwsyyanexngthihnwngewlatamfngkchnkarhnwngewla odyxrupnyaelw mnkkhuxkhwamkhlaykhlungknrahwangsyyanchwngtang tamfngkchnkhxngrayaewlarahwangsyyan karwiekhraahshsmphnthxtonmtiepnwithikarthangkhnitsastrephuxharupaebbthiekidsa echn syyanepnkhabthixaphrangodyesiyngrbkwn hruxephuxrabukhwamthimulthanthiimmisungkhwamthikhxngharmxnikinsyyancabxkepnny epnwithithibxykhrngichinkarpramwlphlsyyanephuxwiekhraahhafngkchnkhxngkhaepnchud echnsyyanthiekidtamewla time domain ody Unit root process trend stationary process autoregressive process aela moving average process lwnepnrupaebbkrabwnkarodyechphaa thimishsmphnthxtonmti sakhakarsuksatang niyamshsmphnthxtonmtiiwimehmuxnkn aelaniyamehlaniimidsmmulknthnghmd inbangsakha khaniichinkhwamhmayediywkbkhawa autocovariance danbn krafkhxngtwelkhsum 100 elkhthixaphrangfngkchnisn danlang fngkchnisnpraktin aephnphaphshsmphnth correlogram odysrangphankarhashsmphnthxtonmtikarepriybethiybwithisngwtnakar convolution shsmphnthikhw cross correlation aelashsmphnthxtonmti autocorrelation duephimshsmphnth khwamaeprprwnrwmekiywxangxing Autocorrelation sphthbyytixngkvs ithy ithy xngkvs chbbrachbnthitysthan khxmphiwetxr run 1 1 chbb 2545 khnitsastr shsmphnthxtonmti serial correlation sphthbyytixngkvs ithy ithy xngkvs chbbrachbnthitysthan khxmphiwetxr run 1 1 chbb 2545 khnitsastr shsmphnthechingxnukrm bthkhwamkhnitsastrniyngepnokhrng khunsamarthchwywikiphiediyidodykarephimetimkhxmuldk