时间序列分析(全) .pptxVIP

目 录;第一章 随机过程简介;二、随机过程的应用; 第一节 随机过程的 基本概念及分类; S.P的基本概念;1.1 S.P及其有穷维分布族 1、概念; (ii) 考虑某生物群体的发展过程。令X n(?)表示该群体第 n代成员的个数，当n固定时， X n(?)是r.v.，它可能取值0, 1, 2, ···，这时，需要研究的是一列r.v. {X n(?), n?Z+}。;(2) 定义1.1 设(?, F，P)是概率空间，T?R，若 对任意t ?T，都有(?, F，P)上的一个r.v.与之对应，则 称r.v.族{X t(?)， t ?T }是(?, F，P)上的一个随机过程， 可记为S.P.。T称为参数集，通常表示时间。; 有穷维分布函数族;(2) 有穷维分布函数族的性质 (i) 对称性：对于参数t1,···,t n的任意排列;(3) 有穷维特征函数族;1.2 随机过程的数字特征;2、自协方差函数、自相关函数与方差函数;3、互协方差函数与互相关函数; 定义1.7 若CXY(s, t)=0，则称S.P.{X (t)， t ?T }与{Y (t)， t ?T }互不相关；若对任意的n,m?Z+，随机向量(X(t1),···, X(t n))’与(Y(s1),···,Y(s m))’ 相互独立，t1,···,t n；s1,···,s m ?T ， 则称S.P.{X (t)， t ?T }与{Y (t)，t ?T }相互独立。;1.3 S.P.的分类及几个重要的S.P.简介;一、随机过程的分类;2、按概率结构分类; (3) 马尔可夫过程（马氏过程） 设参数t1,···,t n ?T 满足t1 t2 ··· t n ， 若;二、几个重要的随机过程 1、独立增量过程 ; 若对任意的?0，该过程的增量X(t+?)? X(t)的概率分布 仅依赖于? 而与 t 无关，则称其为齐次（时齐）独立增量过 程，或称其具有平稳增量，即平稳独立增量过程。;2、正态过程;正态过程的几个重要性质 (i) 正态过程的统计特性由它的均值函数m(t)及自协方差函 数C(t i, t j)或相关函数R(t i, t j), i, j=1,···,n完全确定。;3、维纳(Weiner)过程; (ii) 维纳过程{W (t) ，t ?0 }是马氏过程，其转移概率密度 （t s ? 0）是;4、泊松(Poisson)过程; (iii)增量独立性： (iv)单跳跃性：在时间段?t内，某事件发生两次或两次以上 的概率是?t 的高阶无穷小，即P{N(?t )?2}=0(?t )； (v) 随机性：对任意的t 0，0p0(t)1.;(3) 泊松过程的统计特性 (i) 均值函数：对任意t ?0，有 m(t)=E[N(t)]= E[N(t)?N(0)]=?t； (ii) 相关函数：对于0?t1t2，有 R(t1, t2)=E[N t1N t2]= ?2 t1t2 +? t1，一般地，对任意的 t1, t2 ?0，有 R(t1, t2)= ?2 t1t2 +? min{t1, t2}； (iii)协方差函数：对任意的t1, t2 ?0，有 C(t1, t2)= R(t1, t2)? m(t1) m(t2)= ? min{t1, t2}.;(4) 泊松过程的几个重要结论 (i) 泊松过程是马氏过程； ; (ii) 到达时间间隔序列独立同均值为1/?的指数分布： 设 {T n，n ?1}为参数为?的泊松过程的到达时间间隔序列，则对 任意的n，;四、复平稳过程;第二节 平稳过程;2.1 平稳过程概念 ;一、平稳过程实例;二、严平稳过程;;三、宽平稳过程及其与严平稳过程的关系;四、复平稳过程;2.2 平稳过程相关函数的性质;一、平稳过程自相关函数的性质;二、平稳过程互相关函数的性质;性质3、 |BXY(? )|2 ? BX(0)BY(0) ； 性质4、 2|BXY(? )| ? BX(0)+BY(0)； 性质5、若两平稳过程X (t) 、 Y (t)平稳相关，则它们的和 Z(t)=X(t) + Y(t)也是平稳过程，且 BZ(?)= BX(?)+BY(?)+BXY(? )+ BYX(?). 若两平稳过程X (t)、Y (t)互不相关，则CXY(t+?，t)=0；若 两平稳过程X (t)、Y (t)正交，则对? ??(??