时间序列(电子科大)第六章分析报告.ppt

当样本长度N充分大时 如果在(6.1.11)中进一步假设{ Xt }是白噪声，有 结论 统计量 渐近服从标准正态分布. 由于 (6.1.12) 判断准则 若G3和G4的值有一个超过2，就 否定序列是正态白噪声的假设. 2. 白噪声正态分布检验法 定理 设{Xt}是零均值独立同分布的白噪声， 是样本相关系数，则对任何正整数h 依分布收敛于h维相互独立标准正态分布. 原假设H0: {Xt }是独立白噪声 对立假设H1: {Xt}是相关序列 在原假设H0成立的条件下，对足够大的N有 事件组 中发生的个数记为mA ,则有 判断准则 若Q(m)的取值≥0.05时，应拒绝 序列是白噪声的假设. 注1 原假设可放宽为H0: {Xt}是白噪声. 注2 事件个数m的取值不必过大. （试阐述理由）. §6.1时间序列的统计检验 对于平稳零均值过程, 可以建立ARMA模型. 在第一章讨论了动态数据的预处理, 需检验: 第六章 模型建立的准备与检验 在对样本序列的建模前后，为判断模型的合理性，并为改进模型提供依据，都应做适当的检验. 问题1 对于给定(或处理过)的动态数据能 否判定为具备平稳性？ 问题2 对于给定(或处理过)的动