时间序列分析二.pptVIP

时间序列分析 第二章 动态数据预处理 2.3 独立性检验 正态性 统计独立性 (样本数据总量足够多) 检验独立性的方法: 将时间序列的自相关函数与单位冲激函数作比较, 当 接受独立性假设（置信度为95%） 2.4周期性检验 (1)功率谱 (2)自相关函数 (3)概率密度(PDF) 2.5趋势项检验 一种对均值或方差可能存在某种趋势进行检验的方法： 可以证明，以随机整数序列出现的A的平均值为 当统计量为 过程： 确定性趋势的非平稳序列，通常表现有三种类型 ： 加法型 乘法型 混合型 式中 是平稳随机序列, 是确知的非随机序列，即趋势项。 有时需要在某一时间序列中去掉一个线性的或缓慢变化的趋势，这种趋势可能是由于数据中的有些分量是经过积分产生的。 积分可以导致两种误差： 一是如果零点没调准，则在每一采样时刻都有一小误差项，经积分后这一常数项变成了直线。这一线性趋势在谱分析或其它计算中会导致很大的误差； 二是由于积分对低频噪声起功率放大作用，而数据中常有这类噪声，经积分后变成缓慢变化的随机信号，其变化速度在某种程度上取决于采样间隔。 趋势项并非都是误差，可能代表时间序列中包含的有用信息(例如周期性趋势)。由于它的出现使过程非平稳，因此在对数据作平稳化预处理时也需提取趋势项 变化着的趋势项可以用滤波器消除，而多项式形式的趋势项可以用最小二乘法提取。下面讨论此方法： * * 常出现的三种非平稳过程——均值非平稳、方差非平稳、均值方差非平稳。 维纳（Wiener）曾分析过的一种非平稳过程， 可以看成是一般的平稳过程通过积分器 (如在t=0开始)的结果 时间序列 均值或方差的序列 逆序 逆序总数： 出现A的方差为: M 如果 在 之内, 则可接受“序列无趋势”的假设 (在0.05显著水平上) 实际逆序数A 如果A很大，表明序列均值(或方差)有上升趋势； 如果A太小，表明其有下降趋势。