时间序列随随机模型.pptVIP

学建模》 之 随机射间序列分析棋型” §4隨机时闻序列分新被 1.随机时间序列模型的基本类型 2.随机时间序列分析模型的识别 3.时间序列模型常用定阶准则 4.随机时间序列分析模型的参数估计 5.季节自回归滑动平均( ARIMA)模型 6.时间序列建模分析 1基本类型 1自回归(AR)模型 1.2滑动平均(MA)模型 1.3自回归滑动平均(ARMA)模型 1.1自回归(AR)模型 若时间序列值x,可表示为它的先前值x+1和 白噪声的线性函数,则称此模型为自回归模型,相 应的序列x称为自回归序列,称 x=△9 为p一阶(p- Order)自回归模型,简称AR(p)模型 此处9(i=1,2,…,P)是自回归参数或权参数。 a是一个误差或白噪声序列,并假定它相互独立, 且服从均值为零,方差为a2的正态分布。 a与a的先前值xt无关,且满足 E C 0 e at as 0 t≠S E 引入后移算子B,使得Bx1=x1Bx=x 借助后移算子,则AR(p)模型可化为 x=∑q1Bx1+a1 此式即为x=Bx+02B2x+…+,Bx+a 移项整理即为:(1-B-q2B2-…-9B)x=a1 记9(B)=1-qB-q2B 则模型可写为q(B)x=a1 1.2滑动平均(MA)模型 若序列值G 是现在和过去的误差或白噪声的线性组合,即 x1=a1-∑1a1 此模型称为滑动平均模型,相应的