第二 时间序列分析的基本概念.pptVIP

  1. 1、本文档共36页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二 时间序列分析的基本概念

第一节 时间序列分析的基本概念 一、两种不同的平稳性定义 二、时间序列的分布、均值和协方差函数 三、平稳序列的自协方差和自相关函数 四、白噪声序列和独立同分布序列 五、线性平稳序列 六、偏自相关函数 一、两种不同的平稳性定义 注:由于在实际中严平稳序列的条件非常难以满足,我们研究的通常是宽平稳序列,在以后讨论中,若不作特别说明,平稳序列即指宽平稳序列。 二、时间序列的分布、均值和协方差函数 1.时间序列的概率分布 随机过程是一族随机变量,类似于随机变量,可以定义随机过程的概率分布函数和概率密度函数。它们都是两个变量t,x的函数。 如果我们能确定出时间序列的概率分布,我们就可以对时间序列构造模型,并描述时间序列的全部随机特征,但由于确定时间序列的分布函数一般不可能,人们更加注意使用时间序列的各种特征量的描述,如均值函数、协方差函数、自相关函数、偏自相关函数等,这些特征量往往能代表随机变量的主要特征。 特征统计量 三、平稳序列的自协方差和自相关函数 1.平稳序列的自协方差函数和自相关函数 若{Xt}为平稳序列,假定EXt=0,由于 令s=t-k,于是我们就可以用以下记号表示平稳序列的自协方差函数,即: 相应的,严平稳序列的自相关函数记为: 2.平稳序列的自协方差序列和自相关函数列的性质 四、白噪声序列和独立同分布序列 1.白噪声(White noise)序列 定义:若时间序列{Xt}满足下列性质: 白噪声序列是一种特殊的宽平稳序列,也是一种最简单的平稳序列,它在时间序列分析中占有非常重要的地位。 2.独立同分布(iid)序列 定义:如果时间序列{Xt}中的随机变量Xt,t=0, ±1, ±2 ……是相互独立的随机变量,且Xt具有相同的分布(当Xt有一阶矩时,往往还假定EXt=0),则称{Xt}为独立同分布序列。 可见独立同分布序列{Xt}是一个严平稳序列。 一般来说,白噪声序列与独立同分布序列是不同的两种序列,但是当白噪声序列为正态序列时,它也是独立同分布序列,此时我们称其为正态白噪声序列(NID)。 五、线性平稳序列 1.时间序列的线性 运算 设{Xt}与{Yt}为两个时间序列,a,b为两个实数,那么,zt=axt+byt t=0, ±1, ±2 …… 为序列{Xt}与{Yt}的一种线性运算。 2.时间序列的迟运算 设{Xt}为一时间序列,d为一正整数,那么, yt=xt-d t=0, ±1, ±2 ……为Xt的d步延迟运算。 3.时间序列的线性与延迟联合运算 yt=a0xt+a1xt-1+ … +apXt-p t=0,1,2…为时间序列线性与延迟联合运算。 当ai=1/p,i=0,1,2, …时,{Yt}即为对序列{Xt}的移动平均序列。 4.时间序列的非线性运算 非线性运算的形式是多种多样的:如 yt=xt2+axt,yt=xt-1/(1+xt-2)2等。 5.平稳线性序列 设{at}为正态白 噪声序列,则称序列: 六、偏自相关函数 偏自相关函数:指扣除Xt和Xt+k之间的随机变量Xt+1,Xt+2, …Xt+k-1等影响之后的Xt和Xt+k之间的相关性。 偏自相关函数一般用 表示。 第二节 随机过程的特征描述 一、样本均值 二、样本自协方差函数 三、样本自相关函数(SACF) 四、样本偏自相关函数 一、样本均值 对时间序列的一次样本实现,需要用样本均值代替总体均值 对于时间序列的一次样本现,我们也需要通过样本自协方差函数估计总体自协方差函数。这里有两种形式: 通过证明有如下结论: 上述样本自协方差函数 都是总体自协方差函数 的渐近无偏估计,且 比 的偏要大。但是, 比 的方差小,且在大样本情况下(n很大),二者差别不大,因此我们通常用 作为样本自协方差函数。 由于当k相对于n而言较大时, 的偏比 更大,因此,在时间序列分析时,一般滞后期k最多取至n/4 三、样本自相关函数(SACF) 1.对给定的序列x1,x2, … xn,样本自相关函数定义为: 四、样本偏自相关函数(SPACF) 1.样本偏自相关函数有如下递推公式: 例如,根据上述递推公式,我们有: * * * * 下一页 返回本节首页 上一页 下一页 返回本节首页 上一页 下一页 返回本节首页 上一页 均值 方差 自协方差函数 自相关函数 由此可见,时间序列的自协方差函数是 随机变量间协方差推广差 时间序列自协方差函数具有对称性: 下一页 返回本节首页 上一页 则称此序列为白噪声序列。 下一页 返回本首页 上一页 -4 -2 0 2 4 80 82 84 86 88 90 92 94 96 正

文档评论(0)

hello118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档