随机过程3-4模型识别—确定线性模型的类别、阶数知识讲稿.ppt

第3章 平稳时间序列的线性模型和预报 第*页 §4 模型识别—确定线性模型的类别、阶数 由平稳序列的一个样本函数确定它的线性模型的类别、 阶数，称为模型识别。 模型识别可用自相关函数 和偏相关函数 的拖尾或截尾情况来判别模型属于哪一类。 但是 和 是理论值，因此我们必须用一个样本函数 先估计出 的值 ，再用 判别 模型的阶数。 一、样本自相关函数和样本偏相关函数 设有平稳序列 因为 所以自协方差函数 对于一个样本函数 ，定义 样本自协方差函数 样本自相关函数 注：如果平稳序列 具有协方差函数的各态历经性，那么 又 故有 用实际推断原理，当 n-k 充分大时，有 为了保证 充分接近 ， 充分接近 N 需取得很大，但 K 相对于n 不能取的太大，否则不能保 证 n-k 相当大。 一般取 常用 例1 某条河流上的一个水文站从1915年到1973年纪录的 每年最大径流量见表3-2（参见教材P139）Zt 栏，共59 个数据。试计算样本自相关函数和样本偏相关函数 . 如 解 为了计算样本自相关函数，把 Zt 变换成 Wt，先计算 令 利用(4.1)式，取 n=59, K=15, 有 例1 某条河流上的一个水文站从1915年到1973年纪录的 每年最大径流量见表3-2（参见教材P139）Zt 栏，共59 个数据。试计算样本自相关函数和样本偏相关函数 . 用上式计算 的计算量较大，通常用下列递推公式计算。 (4.7) (4.8) (4.9) 计算路径是： 二、确定模型的类别和阶数 所以，我们可以用 分别判断 是拖尾还是 截尾的。 线性模型的类别，理论上可以根据 和 的拖尾和 截尾性来确定。虽然，在实际工作中我们由一个样本函 数只能算出 和 但在一定条件下，有 如果 拖尾， 截尾在 k=p 处，那么线性模型为AR(p) 模型. 拖尾，可根据 的点图判断，只要 愈变愈小 (k增大时)即可。 问题：如何用 判断 因为kp 时， 但 一般并不等于0，这给判 断截尾带来困难。 通常采用的方法是，如果当 kp 时，平均20个 中至 多有一个使 那么认为 截尾在 k=p 处。 定理1 对于具有AR(p)模型的正态平稳时间序列 当 n 很大时，样本偏相关函数 ，有 证明略。 指有限维 分布为多维 正态分布 由此定理，当 n 很大时，有 为方便起见，后面 拖尾或截尾也称为 拖尾 或截尾。 或 亦即：如果当 kp 时，平均20个 中至多有一个使 那么认为 截尾在 k=p 处。 例3 根据例1中水文站每年最大径流量数据，算得样本自 相关函数和样本偏相关函数见下表，试判别 的截 尾性和拖尾性 . 解 画出 的图象 在本例中 k 2 时， 所以可以认为尾巴截断在 k =2处较为合理。 综合 拖尾与 截尾情况，查表3-1可以认为线性模 型是二阶自回归模型 AR(2). 由图可见 ， 是拖尾的， 是截尾的。 问题： 在何处截尾？ 定理2 对于具有MA(q) 模型的正态平稳时间序列 当 n 很大时，样本自相关函数 ，有 通常采用的方法是，如果当 kq 时，平均20个 中至 多有一个使 那么认为 截尾在 k=q 处。 如果 拖尾， 截尾在 k=q 处，那么线性模型为