欢迎来到天天文库
浏览记录
ID:30844410
大小:390.16 KB
页数:29页
时间:2019-01-03
《时间序列分析部分讲义》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、时间序列分析(J.D.Ham订ton)前言:3.平稳ARMA过程(p49-78),&谱分析(P180-202),11.向量自回归(P345-409),21.异方差时间序列模型(P799-823).3.平稳ARMA过程3.0概述(认识论,方法论,历史观,发展观)什么是”回归模型”?什么是”自回归模型”?它们有什么联系?为什么用”回归”一词?它们的推广模型是什么?它们的应用背景是什么?*考虑”父-子身高的关系”X——父亲的身高,Y—儿子的身高,它们有关系吗?有什么样的关系呢?不是确定的关系!又不是没有关
2、系!在同族中抽取n对父-子的身高,即有n对数据:(XbYi),(X2,Y2),…,(Xn,Yn).Yk~a+bXk,l3、*此为一元线性自回归模型(自变元Yk是因变元Xk的延迟)*回归J英文翻译jRegressionj(0・2),具体说来如下:pi一男人平均身高.由(0.2)得Xk+-4、i=a+bXk+ek-y(注意5、i=(bT)卩+1屮)-a+(b~l)6、i+b(Xk-7、i)+ek.Wk=(Xk-3——第k代长子身高与平均身高之差,c二a+(b-l)g,于是有(0.3)Wk+i二c+bWk+ek・特别人们发现:0〈b〈l•它表明:平均说来,当父亲身高超过平均身高时,其子身高也会超过平均身高,但是比父亲身高更靠近平均身8、高.有回归平均身高的趋向!稳定系统!*回归模型的推广:(线性模型)*增加自变元个数:比如,儿子身高不仅与父亲还与母亲,甚至于祖父母有关,于是(0.1)式应推广为:Yk=a+biXik+・・・+bpXpk+ek,l9、:Yk=10、而且,对这些起码的假定,也只是以最直观的方式,而非严格的概率论观点,加以介绍.*期望和随机过程*随机过程:{X(t);-oo11、随机向量X的一个样本,就是一个向量数;随机序列{Xk}的一个样本是一个无穷数列;在实际应用中,我们无法记录无穷数列,从而在讨论随机序列{Xk}的样本时,只能考虑一个样本的有限部分,比如{xbx2,xn}是序列{XJ的一段观测值序列.在理论讨论时,为了方便又不得不涉及无穷数列.这些都是学习和掌握时间序列分析时,首先要认清的起点.**序列的分布:回忆随机变量X的定义便知,它的特征被它的概率分布所确定.同样,随机序列也被它的概率分布所确定•不过,随机序列的分布是无穷个随机变量的概率分布,其复杂性可以想得到12、.这里为了避免涉及太深的概率论概念,我们仅考虑最简单的特疏情况,即Xk~N@k,13、ik)2/2n2k}而且(Xk+1,Xk+2,•••,Xk+m)有联合正态分布.于是有:*期望(均值):EXk二Rfk(x)dx=14、ik,*方差:Var(Xk)=E(Xk-pk)-f(x-jik)2fk(x)dx=
3、*此为一元线性自回归模型(自变元Yk是因变元Xk的延迟)*回归J英文翻译jRegressionj(0・2),具体说来如下:pi一男人平均身高.由(0.2)得Xk+-
4、i=a+bXk+ek-y(注意
5、i=(bT)卩+1屮)-a+(b~l)
6、i+b(Xk-
7、i)+ek.Wk=(Xk-3——第k代长子身高与平均身高之差,c二a+(b-l)g,于是有(0.3)Wk+i二c+bWk+ek・特别人们发现:0〈b〈l•它表明:平均说来,当父亲身高超过平均身高时,其子身高也会超过平均身高,但是比父亲身高更靠近平均身
8、高.有回归平均身高的趋向!稳定系统!*回归模型的推广:(线性模型)*增加自变元个数:比如,儿子身高不仅与父亲还与母亲,甚至于祖父母有关,于是(0.1)式应推广为:Yk=a+biXik+・・・+bpXpk+ek,l9、:Yk=10、而且,对这些起码的假定,也只是以最直观的方式,而非严格的概率论观点,加以介绍.*期望和随机过程*随机过程:{X(t);-oo11、随机向量X的一个样本,就是一个向量数;随机序列{Xk}的一个样本是一个无穷数列;在实际应用中,我们无法记录无穷数列,从而在讨论随机序列{Xk}的样本时,只能考虑一个样本的有限部分,比如{xbx2,xn}是序列{XJ的一段观测值序列.在理论讨论时,为了方便又不得不涉及无穷数列.这些都是学习和掌握时间序列分析时,首先要认清的起点.**序列的分布:回忆随机变量X的定义便知,它的特征被它的概率分布所确定.同样,随机序列也被它的概率分布所确定•不过,随机序列的分布是无穷个随机变量的概率分布,其复杂性可以想得到12、.这里为了避免涉及太深的概率论概念,我们仅考虑最简单的特疏情况,即Xk~N@k,13、ik)2/2n2k}而且(Xk+1,Xk+2,•••,Xk+m)有联合正态分布.于是有:*期望(均值):EXk二Rfk(x)dx=14、ik,*方差:Var(Xk)=E(Xk-pk)-f(x-jik)2fk(x)dx=
9、:Yk=
10、而且,对这些起码的假定,也只是以最直观的方式,而非严格的概率论观点,加以介绍.*期望和随机过程*随机过程:{X(t);-oo11、随机向量X的一个样本,就是一个向量数;随机序列{Xk}的一个样本是一个无穷数列;在实际应用中,我们无法记录无穷数列,从而在讨论随机序列{Xk}的样本时,只能考虑一个样本的有限部分,比如{xbx2,xn}是序列{XJ的一段观测值序列.在理论讨论时,为了方便又不得不涉及无穷数列.这些都是学习和掌握时间序列分析时,首先要认清的起点.**序列的分布:回忆随机变量X的定义便知,它的特征被它的概率分布所确定.同样,随机序列也被它的概率分布所确定•不过,随机序列的分布是无穷个随机变量的概率分布,其复杂性可以想得到12、.这里为了避免涉及太深的概率论概念,我们仅考虑最简单的特疏情况,即Xk~N@k,13、ik)2/2n2k}而且(Xk+1,Xk+2,•••,Xk+m)有联合正态分布.于是有:*期望(均值):EXk二Rfk(x)dx=14、ik,*方差:Var(Xk)=E(Xk-pk)-f(x-jik)2fk(x)dx=
11、随机向量X的一个样本,就是一个向量数;随机序列{Xk}的一个样本是一个无穷数列;在实际应用中,我们无法记录无穷数列,从而在讨论随机序列{Xk}的样本时,只能考虑一个样本的有限部分,比如{xbx2,xn}是序列{XJ的一段观测值序列.在理论讨论时,为了方便又不得不涉及无穷数列.这些都是学习和掌握时间序列分析时,首先要认清的起点.**序列的分布:回忆随机变量X的定义便知,它的特征被它的概率分布所确定.同样,随机序列也被它的概率分布所确定•不过,随机序列的分布是无穷个随机变量的概率分布,其复杂性可以想得到
12、.这里为了避免涉及太深的概率论概念,我们仅考虑最简单的特疏情况,即Xk~N@k,13、ik)2/2n2k}而且(Xk+1,Xk+2,•••,Xk+m)有联合正态分布.于是有:*期望(均值):EXk二Rfk(x)dx=14、ik,*方差:Var(Xk)=E(Xk-pk)-f(x-jik)2fk(x)dx=
13、ik)2/2n2k}而且(Xk+1,Xk+2,•••,Xk+m)有联合正态分布.于是有:*期望(均值):EXk二Rfk(x)dx=
14、ik,*方差:Var(Xk)=E(Xk-pk)-f(x-jik)2fk(x)dx=
此文档下载收益归作者所有