平稳性和非平稳时间序列分析.pptVIP

非平稳时间序列时序图 平稳时间序列 一个时间序列的样本自相关系数（自相关函数）定义为： 纯随机性检验 回归分析 regression analysis 研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。 相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。 回归分析则确定其因果关系，用数学模型来表现其具体关系。 相关分析 “质量”和“用户满意度”变量密切相关， 到底是哪个变量受哪个变量的影响，影响程度如何，回归分析。 自回归模型autoregressive model 利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。 为了检验该序列是否具有相同的方差，可假设Xt的初值为X0，则易知 X1=X0+?1 X2=X1+?2=X0+?1+?2 … … Xt=X0+?1+?2+…+?t 由于X0为常数，?t是一个白噪声，因此Var(Xt)=t?2 即Xt的方差与时间t有关而非常数，它是一非平稳序列。 随机游走模型。 它最早于1905年7月由卡尔·皮尔逊(Karl Pearson)在《自然》杂志上作为一个问题提出： 假如有一个醉汉醉得非常严重，完全丧失方向感，把他放在荒郊野外，一段时间之后再去找他，在什么地方找到他的概率最大呢？ 1905年8月