平稳精品时间序列解析课程(ppt 199页).pptVIP

参数估计 待估参数 个未知参数 常用估计方法 矩估计 极大似然估计 最小二乘估计 矩估计 原理 样本自相关系数估计总体自相关系数 样本一阶均值估计总体均值，样本方差估计总体方差 例3.10:求AR(2)模型系数的矩估计 AR(2)模型 Yule-Walker方程 矩估计（Yule-Walker方程的解） 例3.11:求MA(1)模型系数的矩估计 MA(1)模型 方程 矩估计 例3.12:求ARMA(1,1)模型系数的矩估计 例3.12:求ARMA(1,1)模型系数的矩估计 方程 矩估计 例3.12:求ARMA(1,1)模型系数的矩估计 对矩估计的评价 优点 估计思想简单直观 不需要假设总体分布 计算量小（低阶模型场合） 缺点 信息浪费严重 只用到了p+q个样本自相关系数信息，其他信息都被忽略 估计精度差 通常,矩估计方法被用作极大似然估计和最小二乘估计迭代计算的初始值 极大似然估计 原理 在极大似然准则下，认为样本来自使该样本出现概率最大的总体。因此未知参数的极大似然估计就是使得似然函数（即联合密度函数）达到最大的参数值 极大似然估计要求已知总体分布函数，而现实情况是时间序列的总体分布通常是未知的。为了便于分析和计算，通常假设序列服从多元正态分布。 似然函数 似然方程 由于 和