Matlab 在时间序列分析中的应用--笔记.pdfVIP

MATLAB 在时间序列分析中的应用 笔记 2012/07/11-2012/07/17 第一章 时间序列及其分析概述 符号化是定性时间序列处理的第一步；然后是寻找结构与建模分析。 任何呈现规律性特征的序列都可以成为结构。 结构与功能关系的研究是DNA 序列研究的核心问题。 元模式 （每一个符号应尽可能地代表时间序列中的某一种基本的、相对独立的变化模式）是构成字符序列结构的最 基本元素。 时间序列数据： 1、数据一般等间隔采样，不过采样间隔的确定要视具体情况而定 2、缺失值填补，一般不能直接对一个残缺的序列分析，要先进行处理使其完整，然后再分析。 第二章 时间序列的统计量 name 的取值 函数说明 beta或Beta Beta 分布 bino或Binomial 二项分布 chi2或Chisquare 卡方分布 exp或Exponential 指数分布 f或F F 分布 gam或Gamma GAMMA 分布 geo或Geometric 几何分布 hyge或Hypergeometric 超几何分布 logn或Lognormal 对数正态分布 nbin或Negative Binomial 负二项式分布 ncf或Noncentral F 非中心F 分布 nct或Noncentral t 非中心t 分布 ncx2或Noncentral Chi-square 非中心卡方分布 norm或Normal 正态分布 poiss或Poisson 泊松分布 rayl或Rayleigh 瑞利分布 t或T T 分布 unif或Uniform 均匀分布 unid或Discrete Uniform 离散均匀分布 weib或Weibull Weibull 分布 y=detrend(x) %消除时间序列的线性趋势 y=detrend(x,’constant’) %消除时间序列的均值 y=detrend(x,’linear’,bp) %分段消除时间序列的线性趋势，bp 是分段向量 % 自相关函数与相关函数 x1=normrnd(0,1,1,100); x2=random(exp,3,1,100); plot(x1); plot(x2); [ACF,Lags,Bounds]=autocorr(x1,[],2); Bounds [XCF,Lages,Bounds]=crosscorr(x1,x2) 第三章 时间序列插值与差分 拉格朗日插值多项式 牛顿插值多项式 差分：向前差分 向后差分： Matlab 中的插值函数： %每隔一个元素“取”一个值 x=[1 2 3 4 5 6 7 8 9 10]; dse1=dyaddown(x) dse2=dyaddown(x,0) dse3=dyaddown(x,1) %等间隔的取值 y=downsample(x,4);