滑动平均模型与自回归滑动平均模型.doc

第三章 滑动平均模型与自回归滑动平均模型 若平稳序列{}t X 的自协方差函数 0,0(q k k q γγ≠=>. 则称{}t X 是q 步相关的. (或自相关系数k ρ 滑动平均模型: 1 ,q t t j t j j X b t εε -==+∈∑ q 步相关 基本问题: 模型参数20,1~,, ,(k k q b f γρσλ???? ???,,(t k k X f γ ρλ→ §3.1 滑动平均模型 例1.1化学试验中197个溶液浓度数据(见附录B8. 做一次差分:1,1~196t t t x y y t +=-=. 则0.002x =, 及1961 1?((196k k t t k t x x x x γ-+==--∑: 050100150200 16 16.51717.51818.5 050100150200 -1 -0.5 00.511.5 自相关系数图如右. 1?0.4130ρ =-≠ ?0,1k k ρ ≈>, 故认 {}t x 是一步相关的. 用模型MA(1表示 1,t t t X b t εε-=+∈ , 2~WN(0,t εσ 参数b 由22201(,b b γσσγσ=+=求得: 2 11?114?0.5276?2b ρρ --==-. 010******** -0.5 0.5 1 ?k ρ 1. MA(q模型和MA(q序列 定义1.1 MA(q模型=q 阶滑动模型: 1 ,q t t j t j j X b t εε-==+∈∑ (* 其中1 (10,||1q j j j B z b z z ==+ ≠<∑,0q b ≠, 2~WN(0,t εσ, 由此, 平稳{}t X 称为MA(q序列. 若(0,||1B z z ≠≤, 则称(*为可逆的MA(q模型, 相应的平稳序列称为可逆的MA(q序列. 利用B , (*可写成: (,t t X B t ε=∈ B 对可逆的MA(q模型: 1 0(,||1j j j B z z z ?∞ -==≤∑ 从而可得 1 (,t t j t j j B X X t ε?∞ --===∈∑ B 另外引入01b =, 易得 20 ,0, E(0,q k j j k j k t t k b b k q X X k q σγ-+=+?≤≤?==??>? ∑ 定理1.1 MA(q序列的自协方差函数是截尾的 20,0(q q k b k q γσγ=≠=> 且有谱密度 22i i 1((e e ,[,]22q k k q f B λλσλγ λππππ-=-==∈-∑. 证略. 引理1.2 设i 1(e ,[,]2q j j q g c λλλπππ -=-=∈-∑,0q c ≠ 则有惟一实系数多项 1 (10,||1q j j j B z b z z ==+≠<∑,0q b ≠. 使得2 2i ((e 2g B λσλπ=, 这里2σ为某常数.(证超 定理 1.3 设{}t X 零均值, 自协方差{}k γ, 则{}t X 是MA(q序列0,0,q k k q γγ?≠=>. 证 必要性, 由定理1.1给 出. 充分性, 证略. *2. 最小序列 直观上: 零均值平稳序列{}t X 中每一t X 都重要, 缺一不可, 即 {}\{}t s X X ?生成空间{}t X ≠生成空间. 若某个k Γ退化(有部分相关的, 则不是最小序列. *定理1.4(见[7] 设平稳序列{}t X 有谱密度(f λ, 则{}t X 是最小序列的?d ( f ππλλ-<∞?. 由此可得: 可逆的MA(q序列是最小序列. 不可逆的MA(q序列不是最小序列. 另外 任何AR(q序列都是最小序列; 任何有谱密度的平稳序列, 若其谱密度连续恒正, 则此序列为最小序列. 3. MA(q模型举例 例1.2 1t t t X b εε-=+,2~WN(0,t εσ, 1b <, 则不难得:22201(1,,0(1k b b k γσγσγ=+==>; 自相关系数: 2(1,1,0, 1.k b b k k ρ?+=?=?>?? 谱密度: 2 2i (1e ,[,]2f b λσλλπππ =+∈- (注:逆转后2221,((1(1,1k k k k a b b b k +-=----≥ 偏相关系数不截尾; 逆转形式0( j t t j j b X ε∞-==-∑ 取20.1065σ=,谱密度如右 0 12300.01 0.020.030.04 例1.3 可逆MA(2模型1122,t t t t X b b t εεε--=++∈ , 2~WN(0,t εσ, 特征多项式: 212(1B z b z b z =++ (1 可逆域212{(0,1}{1,1}B z z b b b ≠≤=±>-< 与AR