时间序列分析第四章均值和自协方差函数的估计课件.ppt

的相合性 定理2.1 设平稳序列的样本自协方差函数 由式(2.2)或(2.4)定义。 1 如果当 时， 则对每个确定的k， 是 的渐进无偏估计： 2如果 是严平稳遍历序列。则对每个确定的k, 和 分别是 和 的强相合估计： 定理2.1的证明 下面只对由(2.2)定义的样本自协方差函数证明定理2.1。对由(2.4)定义的 的证明是一样的。 设 则 是零均值的平稳序列。利用 (2.7) 定理2.1的证明 定理2.1的证明 只考虑线性序列。 设 是4阶矩有限的独立同分布的 实数列 平方可和。 线性平稳序列 (2.8) 有自协方差函数 (2.9) 有谱密度 (2.10) 设自协方差函数列 平方可和。 设 为独立同分布的 。 令 定义正态时间序列 (2.11) (2.12) 样本自协方差和自相关的中心极限定理 定理2.2 设 是独立同分布的 。满足 。如果线性平稳序列(2.8)的谱密度(2.10)平方可积： 则对任何正整数h，当 时，有以下结果 1 依分布收敛到 2 依分布收敛到 自相关检验的例子 例2.1(接第三章例1.1)对MA(q)序列 。利用定理2.2得到，只要当 依分布收敛到 的分布。 注意 时， 中的 应属于 ，所以令 有 为期望为0，方差为 的正态分布。 在假设 是MA(q)下，对mq有 自相关检验的例子 现在用 表示第三章例1.1中差分后的化学浓度数据。在 是MA(q)下。用 代替真值 后分别对 计算出 在q=0的假设下， 所以应当否定q=0. 自相关检验的例子 实际工作中人们还计算概率 并且把p称为检验的p值。明显p值越小，数据提供的否定原假设的依据越充分。现在在 下 ， 近似服从标准正态分布。所以p值几乎是零，因而必须拒绝 是MA(0)的假设。 取q=1时， 所以不能拒绝 是MA(1)的假设。 谱密度平方可积的充要条件 对于实际工作者来讲谱密度平方可积的条件通常很难验证。于是希望能把定理2.2中谱密度平方可积的条件改加在自协方差函数 的收敛速度上。 定理2.3 对于一平稳序列 它的自协方差函数平方可积的充分必要条件是它的谱密度平方可积。 这个结论主要是利用实变函数论中Fourier级数的理论。只有证明 时用了周期图(如P.67定理3.1的证明，那里 绝对可和)。证明略。 推论2.4 设 是独立同分布的白噪声 满足 如果线性平稳序列(2.8)的自协方