精算中常用的统计模型习题答案.docVIP

部分习题答案和解答 第一部分 应用回归分析习题部分解答 第一章习题 1、答案：。 2、答案：27.1 3、答案：10.2 4、答案：1.61 5、答案： 6、答案：9/8 7、答案：D 8、答案： 第二章习题 答案：-0.5 3、答案：5.51。 答案：第1问4.08；第2问8.53；第3问(-0.686,-1.149)。 答案：三种说法都是错误的。 答案：D。第章习题 2、答案：1.393。 3、首先对观测值进行普通最小二乘回归，得到残差序列，然后求的估计值的初值。计算得到。第章习题}，我们可以假定在一个比较短的时间间隔里，序列的取值是比较稳定的，它们之间的差异主要是由随机波动造成的。根据这种假定，我们可以用一定时间间隔内的平均值作为某一期的估计值。 2. 在实际生活中，我们会发现对大多数随机事件而言，一般都是近期的结果对现在的影响会大些，远期的结果对现在的影响会小些。为了更好地反映这种影响作用，我们将考虑到时间间隔对事件发展的影响，各期权重随时间间隔的增大而呈指数衰减。 3.设为一时间序列，对任意正整数，任取，对任意整数τ，有 则称时间序列称为严平稳时间序列。 4.如果满足如下三个条件： （1）任取,有 （2）任取,有为常数。 （3）任取，且,有 则称为宽平稳时间序列。宽平稳也称为弱平稳。 5. 严平稳比宽平稳的条件严格。严平稳是对序列联合分布的要求，以保证序列所有的统计特征都相同；而宽平稳只要求序列二阶平稳，对于高于二阶的矩没有任何要求。所以通常情况下，严平稳序列也满足宽平稳条件，而宽平稳序列不能反推严平稳成立。柯西分布的严平稳序列就不是宽平稳序列，因为它不存在一、二阶矩，所以无法验证它二阶平稳。严格地讲，只有存在二阶矩的严平稳序列才能保证它一定也是宽平稳序列。宽平稳一般推不出严平稳，但当序列服从多元正态分布时，则二阶平稳可以推出严平稳。 6. 任一个中心化模型都可以视为一个非齐次线性差分方程 （1） （1）的通解为 其中为齐次线性差分方程的通解，为（1）的一个特解。 （1）求齐次线性差分方程的一个通解 假定是该特征方程的个特征根。为了有代表性，不妨假设这个特征根取值如下： 为个相等实根 为个互不等实根 为对共轭复根。 那么齐次线性差分方程的通解为： 其中，为任意实数。 （2）求非齐次线性差分方程的一个特解 首先，可以证明模型的自回归系数多项式方程的根是齐次线性差分方程的特征根的倒数。 证明：设为齐次线性差分方程的个特征根，任取，带入特征方程，有 把带入模型的自回归系数多项式，有 根据这个性质，可以因子分解成 由此可以得到非齐次线性差分方程（6.7）的一个特解为 其中为常数。 （3）求非齐次线性差分方程（1）的通解 要使得中心化模型平稳，即要求对任意实数有 （2） （2）成立的充要条件是 （3） （3）实际上就是要求模型的个特征根都在单位圆内。所以模型平稳的充要条件是它的个特征根都在单位圆内。 根据特征根和自回归系数多项式的根成倒数的性质，模型平稳的等价判别条件是该模型的自回归系数多项式的根，即的根，都在单位圆外。 7.、对于一个平稳可逆模型，它的传递形式为 其中为格林函数。 通过待定系数法，容易得到模型场合下格林函数的递推公式为 其中 ， 同理，可以得到模型的逆转形式为 其中为逆函数。 通过待定系数法容易得到逆函数的递推公式为 其中和的定义同上。 8、 模型 自相关系数 偏自相关系数 拖尾 阶截尾 阶截尾 拖尾 拖尾 拖尾 9、如某个序列可以初步判定为平稳非白噪声序列，就可以利用模型对该序列建模。建模的基本步骤如下： 求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。 根据样本自相关系数和偏自相关系数的性质，选择阶数适当的模型进行拟合。 估计模型中未知参数的值。 检验模型的有效性。如果拟合模型通不过检验，转向步骤2，重新选择模型再拟合。 模型优化。如果拟合模型通过检验，仍然转向步骤2，充分考虑各种可能，建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。 利用拟合模型，对序列进预报。 10、矩估计, 最小二乘估计,极大似然估计. 11、一个模型是否显著有效主要看它提取的信息是否充分。一个好的拟合模型应该能够提取观察值序列中几乎所有的样本相关信息，换言之，拟合残差项中将不再蕴含任何相关信息，即残差序列应该为白噪声序列。这样的模型称之为显著有效模型。反之，如果残差序列为非白噪声序列，那就意味着残差序列中还残留着相关信息未被提取，这就说明拟合模型不够有效，通常需要选择其它模型，重新拟合。 所以模