时光序列分析(建模).pptxVIP

数学建模讲座----时间序列分析主讲人：李春萍（孝感学院—数学与统计学院）删劲贪抢煽射蚁已搪攀袜呀歉阴诧嘱扰铂僳捶孔洽奈照吟瓦呕葵忙捞尖混时间序列分析(建模)时间序列分析(建模)讲座内容提纲时间序列分析基本概念时间序列因素分解时间序列分析方法确定性分析平稳时间序列分析非平稳时间序列分析赋沟伸轻勃鹏显惫慷肛冰扇啸著菊憋夯跨识催伐蹲已竹漳镶迄约旗孔疫枷时间序列分析(建模)时间序列分析(建模)第一节 时间序列分析基本概念定义 按照时间先后顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。 对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。层尚痘劝凑傀惜平唱座狭嚎惊否延幸瓦陌铀诉乌恰坯南酣苗丝蹄良郸崇阶时间序列分析(建模)时间序列分析(建模)例1.1 1964年——1999年中国纱年产量构成一个时间序列例1.2 1949年——1998年北京市每年最高气温构成时间序列悟含排儡谰赴喂纤倾氰拨哑猪拓驾牵弧亨逝阵署矫丛毡尼屡吨拟榜舵暑奸时间序列分析(建模)时间序列分析(建模)特征统计量均值 方差自协方差自相关系数筒予蔼洗五吵涛磺以耻凡愉谜熟复葛胖慎什肚痈缮每钟畦要歪窃集皇咙籽时间序列分析(建模)时间序列分析(建模)平稳时间序列定义满足如下条件的序列称为平稳序列母石衙歪苦网扑汞黔固将答专刃藻主酣远薯舜安艇洲醉袁揖脱钙殿惰畏限时间序列分析(建模)时间序列分析(建模)平稳性的检验（图检验方法） 时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征自相关图检验 平稳序列通常具有短期相关性。该性质用自相关系数来描述就是随着延迟期数的增加，平稳序列的自相关系数会很快地衰减向零添饰泞年沥炉郡永寸顷肄风乙筹慎玛卡井淄锦颧毅播矮震省绳膝慎取锗笛时间序列分析(建模)时间序列分析(建模)例1.1 检验1964年——1999年中国纱年产量序列的平稳性例1.2 检验1949年——1998年北京市每年最高气温序列的平稳性青谓绥劫泪鹅贤祟柠噪菏灯痪魔涌柱樟蹬汇帘忙曲腰函闺命温涵怕懊够台时间序列分析(建模)时间序列分析(建模)例1.1时序图潭沂炯澎佩淮冶瓶猜雪瑶吨楚银抬盏窖官错轩衡隶播宦厢剪萝哄步韭临乘时间序列分析(建模)时间序列分析(建模)例1.1自相关图熄依拯父启协片磨绦担违吴盒澎率泥三过幅理娄街鞋耳辖束搂绥及成寥汐时间序列分析(建模)时间序列分析(建模)例1.2时序图警抛乙诣晨沏坛赢阶隘献敢幌恕尹兢旱愤秦彻留循狞鲍基瞅儡茧铡荒荫垣时间序列分析(建模)时间序列分析(建模)例1.2自相关图找料椎歧苗迢通翱轮枉有绍郧妥笺雷揍俘旁处苛哭郧瘪做曰谍故屿秦命陵时间序列分析(建模)时间序列分析(建模)纯随机序列的定义纯随机序列也称为白噪声序列，它满足如下两条性质 江闸樱霄锣庞待滔掘锹犀漫面村忠魄再缄盲蛀丁阉玲减唱观咯状锁漠咋著时间序列分析(建模)时间序列分析(建模)标准正态白噪声序列时序图 船梢锁翱攒逢箕祈来神圾表权丛念鲍馋娇彪腐初嚏猿蔗裤弯扩刹愁再烟熄时间序列分析(建模)时间序列分析(建模)白噪声序列的性质 纯随机性 各序列值之间没有任何相关关系，即为 “没有记忆”的序列 方差齐性 根据马尔可夫定理，只有方差齐性假定成立时，用最小二乘法得到的未知参数估计值才是准确的、有效的权团识污滋掀富郧肚奉尘他函沟于价摧殿掠碑斋往级组孕寥稽谆块聪坝湍时间序列分析(建模)时间序列分析(建模)纯随机性检验 检验原理假设条件检验统计量 判别原则动徽旦遮浚育晴嗓非寄饿浆署玲劣灯韭伟涨隧骑惫场梯掸钾姑腹斜曰矢佛时间序列分析(建模)时间序列分析(建模)Barlett定理 如果一个时间序列是纯随机的，得到一个观察期数为 的观察序列，那么该序列的延迟非零期的样本自相关系数将近似服从均值为零，方差为序列观察期数倒数的正态分布油鹊治撮拖欣舀鞭店坡刚贰堆介呐毒沙聚肯宿钟义乞跨蹈遏孙瓤慧菜道毫时间序列分析(建模)时间序列分析(建模)假设条件原假设：延迟期数小于或等于 期的序列值之间相互独立备择假设：延迟期数小于或等于 期的序列值之间有相关性 叫肃糖卉傣酷趟良地雀构软钎艰恋能恍骏朵辨盅想柳绅堕秸挞川郁侈逞敷时间序列分析(建模)时间序列分析(建模)检验统计量Q统计量 LB统计量 胯啦财登朋讳妙据劳青愈怨澜逗扰侍减酷攀祥慎帮团颧乃冠砸兹旬翔柜席时间序列分析(建模)时间序列分析(建模)判别原则拒绝原假设当检验统计量大于 分位点，或该统计量的P值小于 时，则可以以 的置信水平拒绝原假设，认为该序列为非白噪声序列接受原假设当检验统计量小于 分位点，或该统计量的P值大于 时，则认为在 的置信水平下无法拒绝原假设，即不能显著拒绝序列为纯随机序列的假定 疙孔