数据分析 第七章.ppt

拟合模型识别 ? 样本自相关图显示除了延迟 1-3 阶的自相关系数在 2 倍标准 差范围之外，其他阶数的自相关系数都在 2 倍标准差范围 内波动。根据自相关系数的这个特点可以判断该序列具有 短期相关性，进一步确定序列平稳。 ? 考察自相关系数衰减向零的过程，可以看到有明显的正弦 波动轨迹，这说明自相关系数衰减到零不是一个突然的过 程，而是一个有连续轨迹的过程，这是相关系数拖尾的典 型特征 ? 考察偏自相关系数衰减向零的过程，除了 1-2 阶偏自相关 系数在 2 倍标准差范围之外，其他阶数的自相关系数都在 2 倍标准差范围内做小值无序波动，这是一个典型的相关系 数 2 阶截尾特征 ? 本例中，根据自相关系数拖尾，偏自相关系数 2 阶截尾属 性，我们可以初步确定拟合模型为 AR(2) 模型。 浙江万里学院 数据分析 主讲：黄剑 第七章：时间序列分析 时间序列分析及其意义 ? 时间序列是按时间顺序排列的随时间变化且相互 关联的数据序列 , 分析时间序列的方法构成数据分 析的重要领域 . ? 研究时间序列的方法是对给定的时间序列选择合 适的数学模型 , 它含有未知参数 , 通过参数估计建 立起数学模型 . 称为“建模” , 建模以后 , 根据实际 需要进行预报或控制 , 时间序列分析有极广泛的应 用 . 2 随机过程概念及其数字特征 3 例 7.1 将一个物体的长度进行多次测量 , 得到一串数 ( 单位 :mm) 74.52,74.54,74.49, … 如果进行另一批测量 , 得到另一串数 : 74.53,74.51,74.50, … 各串数一般是不同的 , 因为存在随机误差 . 从各批测量总体看 , 它是随机序列 : 对于某批具体测量数据 , 如 : 74.52,74.54,74.49, … 称为随机序列的现实 . 例 7.2 某气象台记录每一天降雨量 . 设第 天降雨量 . 总体上 得 . 从试验的总体而言 , 这是随机序列 , 具体一列记 录是数列 , 称为这一随机序列的现实 . ? ? ? , 2 , 1 , ? t X t ? ? , , , , 2 1 n X X X t t X 例 7.3 一口井从井口到水面距离叫埋深 , 每年按月平均的测量数据 ( 单位 :m) 特点 : 1) 有按季节变化趋势 2) 埋深有缓慢上升的趋势 月份 年份 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 14.34 14.21 14.32 14.84 15.11 15.43 15.54 15.51 15.19 14.51 14.28 13.91 13.61 13.41 13.70 14.60 15.08 14.84 14.31 12.90 12.73 12.73 12.38 12.00 11.60 11.39 11.44 11.96 12.68 13.39 13.66 13.80 14.22 13.96 13.24 12.66 12.36 12.21 12.21 12.84 13.38 13.83 13.75 14.61 14.42 14.51 14.50 14.03 13.66 13.28 13.55 13.67 14.33 14.75 15.38 15.74 15.32 15.36 15.01 16.11 14.44 14.12 14.26 15.14 15.88 16.33 16.60 17.22 17.02 17.01 16.88 16.11 15.63 15.29 15.36 16.14 16.96 17.26 17.84 17.13 16.15 15.82 15.43 15.09 定义 随机过程是指标集 上的一族无限多个随机变量 1) 离散 2) 连续 随机过程在离散时刻有限个采样值 称为样本 . 特点 : 具 在相关性 . 随机过程的数字特征是 的函数 , 主要有均值函数、方差函数、 协方差函数、自相关函数 . ? ? T t X t ? , T T ? ? ? , , , , } , 3 , 2 , 1 { 2 1 t X X X T ? ? ? ? ? , 2 , 1 , 0 , } , 2 , 1 , 0 { ? ? ? ? ?