概率 - Welcome to Math Dept. in ECNU.doc

第一章 时间序列 §1.1时间序列的分解 §1.2 平稳序列 §1.3 线性平稳序列和线性滤波 §1.4 正态时间序列和随机变量的收敛性 §1.5 严平稳序列及其遍历性 §1.7 平稳序列的谱函数 时间序列=趋势项+周期项(季节项)+随机噪声 重点是平稳序列. §1.1时间序列的分解 1. 时间序列 2. 分解 3. 随机过程概念 1.时间序列: (下标意为时间) 一列随机变量; 一次实现或一条轨道: 一列观测值 实用中, 只能是有限个(个)样本观测值. 简记或及或. 例1.1 北京洪涝灾害数据受灾面积, 成灾面积, 数据如下(部分), 作图了解. 此外, 应研究与的关系. 2 时间序列分解 (1.4) 设是周期, 即,则一周内 , 重写, 则 , 故可直设(1.4)中,同理设. 例1.2 某城居民用煤量如表1.1.2, 作图了解. 常用分解方法 1). 分段趋势 由数据年月特征, 取, 年均 , . 则有 季节项+随机项 如右图 设分别表示第 年第季数据和趋势项, (), 则 季节项为() , (*) 这时可验. 然后令 , 则仅剩.再作图 2). 回归直线趋势 设满足一元线性回归模型 令 , , 则由最小二乘法得: 故回归方程, 趋势项的估计值 . 季节项用*, 最后作图. 预测1997年四个季度的灾害 预测 7364.4 5955.7 5215.9 6904.0 真值 7720.5 5973.3 5304.5 7075.1 误差-356.0762 -17.6095 -88.5762 -171.0595 3) . 二次曲线趋势 设满足二元线性回归模型 令 , , 则由最小二乘法得: 故回归方程, 趋势项的估计值 . 季节项用*, 最后作图. 预测 7531.3 6166.1 5469.8 7201.5 真值 7720.5 5973.3 5304.5 7075.1 误差-189.2224 192.7714 165.3318 126.3755 比方法2好. 4). 逐步平均法 对周期, 有 再作 当为奇数时,直做, 两头缺. 仍是 季节项+随机项 季节项计算: 因两头缺, 故只能 , 算得 1036.7 -367.5 -1151.4 505.5; , 利用进行直线拟合得 (再补两头) 再由式 进行预测. 见程序tse1_2_f4.m 图见下. 预报 7456.8 6082.8 5329.1 7016.1 误差-263.7387 109.4550 24.6061 -58.9577 注: 在上面四种方法的基础上, 作 重新估计得, 最后得 5). 多元回归方法 设 其中 (称为“哑元”) 为使矩阵满秩, 令,及 则有 结果 28.1 6748.4 5311.5 4543.6 6203.6 预测 7452.2 6043.4 5303.7 6991.8 误差 -268.3358 70.1308 -0.8358 -83.3192 实用中, 常先变换, 譬如,, 等, 以使变换后的数据, 易处理. 3. 时间序列和随机过程 随机过程:, ; 连续时随机过程: 当或时; 离散时随机过程: =随机序列: 当或时; 把视作时间, 则分别称为 连续时的时间序列: 离散时的时间序列: =时间序列 时间序列 对连续时的时间序列采样而得. 主要研究 . §1.2 平稳序列 1. 平稳序列、自协方差函数 2. 白噪声 3. 正交平稳序列 独立序列,前后无关; 平稳序列,前后有关且有平稳性. 1. 平稳序列、自协方差函数 (记) 定义2.1 称为平稳时间序列, 若满足 (1) ; (2) ; (3) . 简称: (二阶矩) 平稳序列. 称为其自协方差函数. 由(3)得与无关, 且 默认, 具有如下性质 (1) 对称; (2) 非负定, (3) 有界. 证 (1) 由定义得; (2) 设, 则 . (3) 由,令,得: . 由(2)得, 退化, 即 . 此时, 称是线性相关的, 且对, 是线性相关的. 1)非负定序列=满足(1),(2),(3)的序列. 2)平稳的时间序列的自协方差函数是非负定序列; 3)一非负定序列必为一平稳序列的自协方差函数[9] 例2.1若是平稳序列,则也是平~. 证: 对, 有 标准化: , 则, 且 . 称为的自相关系数(即为定义2.2). 记为 , 是非负定序列. 例2.2 (调和平稳序列) 设是常数, 为内均匀分布, 则 是平稳序列. 因为 , . 这个平稳序列有一定的周期性特征. 更一般平稳序列将在§1.5中