随机过程3-5模型参数估计.PPT

第3章 平稳时间序列的线性模型和预报 第*页 §5 模型参数估计 下面分三种模型分别介绍参数估计值的算法。 参数 的估计量分别记为 模型参数 需要用一个样本作估计。 必须指出：这里白噪声的方差 也作为一个模型的参数。 一、AR(p)模型参数估计 (3.4) 由 得 两边对 取估计值可得 与(4.6)式比较，知 所以自回归模型的参数值一般不必作专门计算，只要在样本偏相关函数计算记录中取出 即可。 (5.1) 为了计算 先找 的表达式。由 AR(p)模型 由尤尔-沃克方程(3.3), 有 所以 因而 故有 (5.2) 利用(5.1),(5.2)式，可得 AR(1) 和 AR(2)模型的如下参数估计式： (5.3) AR(1)模型 (5.4) AR(2)模型 二、MA(q)模型参数估计 由(3.5)式，两边对 取估计值可得 (5.5 ) 或 (5.5/ ) 这个方程组含有q+1个方程，其中样本协方差函数 的数 值已算出，而未知数是 共有q+1个。此方 程组是非线性方程组。 对于MA(1)模型，由(5.5/ )的前二式： 要求出 既可以解上述方程组，也可以用 近似解法。 (5.6 ) 三、ARMA(p, q) 模型参数估计 由(2.3)式， 采用先算 再算 的方法。 (5.7 ) (1) 先算 由(3.11)式 用上式计算 仅用到 的值。 (2) 再算 。 令 (5.9 ) (5.7 ) 式变成 (5.10 ) 这是关于 的 MA(q) 模型。由前所述，可用 的样 本协方差函数估计 的值。为此先推导 的自协方差函数和 的自协方差函数的关系。 记 的自协方差函数为 (5.11 ) 需要指出，由于 与 t 无关，又显然有 所以 是平稳序列。 由(5.9)式， 的样本值算式为 (5.12 ) 由样本值 可得样本值 进而可算得 的样本自协方差函数 但是，上述计 算一般较复杂，为方便起见，利用 (5.11) 式得 (5.13 ) 将 代入(5.5/ )，解非线性方程组可得 需要指出，在上式中 k-j 和 k-j+l 可能出现负值， 根据协方差函数性质，所以应加绝对值。 (5.5/ ) 例1 在上节例3 中其河流年最大径流量 作出的 识别 为 AR(2)模型，现在算参数估计值 解 我们把计算要用的数据挑出来： 利用(5.4)式中AR(2)参数估计公式，得 得到关于 的线性模型 例1 在上节例3 中其河流年最大径流量 作出的 识别 为 AR(2)模型，现在算参数估计值 将 代入上式，得到关于 的线性模型为 化简得 ■ 例2 在上节例5 中心跳时间间隔 初步识别为 ARMA(1,1) 模型，阶数p=1,q=1. 现在算参数估计值 解 我们把计算要用的数据挑出来： (1)代入(5.3)式算 (2)令 利用(5.13)式算 例2 在上节例5 中心跳时间间隔 初步识别为 ARMA(1,1) 模型，阶数p=1,q=1. 现在算参数估计值 (3)对于 的MA(1)模型，可用(5.6)式计算 * *