电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

时间序列分析方法第03章平稳ARMA模型

时间序列分析方法第03章平稳ARMA模型_第1页
1/15
时间序列分析方法第03章平稳ARMA模型_第2页
2/15
时间序列分析方法第03章平稳ARMA模型_第3页
3/15
时间序列分析方法讲义 第3 章 平稳ARMA 模型 1 第三章 平稳ARMA 过程 一元ARMA 模型是描述时间序列动态性质的基本模型。通过介绍ARMA 模型,可以了解一些重要的时间序列的基本概念,并且为描述单变量时间序列的动态性质提供一类十分有用的模型。 §3 .1 预期、平稳性和遍历性 3 .1 .1 预期和随机过程 假设可以观察到一个样本容量为T 的随机变量tY 的样本: },,,{21Tyyy 这意味着这些随机变量之间的是相互独立且同分布的。 例3 .1 假设T 个随机变量的集合为:},,,{21T,),0(~2Ni且相互独立,我们称其为高斯白噪声过程产生的样本。 对于一个随机变量tY 而言,它是t 时刻的随机变量,因此即使在t 时刻实验,它也可以具有不同的取值,假设进行多次试验,其方式可能是进行多次整个时间序列的试验,获得I个时间序列: ttty}{)1(, ttty}{)2(,…, ttIty}{)( 将其中仅仅是t 时刻的观测值抽取出来,得到序列:},,,{)()2()1(Itttyyy,这个序列便是对随机变量tY 在t 时刻的I 次观测值,也是一种简单随机子样。 定义3 .1 假设随机变量tY 是定义在相同概率空间},,{P上的随机变量,则称随机变量集合},2,1,0,{tYt为随机过程。 例3 .2 假设随机变量tY 的概率密度函数为: ]21exp[21)(22ttYyyft 此时称此时密度为该过程的无条件密度,此过程也称为高斯过程或者正态过程。 定义3 .2 可以利用各阶矩描述随机过程的数值特征: (1) 随机变量tY 的数学期望定义为(假设积分收敛): ttYtttdyyfyYEt)()( (3.1) 此时它是随机样本的概率极限: IiitItyIPYE1)(1lim)( (3.2) (2) 随机变量tY 的方差定义为(假设积分收敛): 20)(tttYE (3.3) 例3 .3 几种重要类型的随机过程 1) 假设},,{21是一个高斯白噪声过程,随机过程tY 为常数加上高斯白噪声过程:ttY  则它的均值和方差分别为: )()(tttEYE 2220)()(ttttEYE (2) 随机过程tY 为时间的线性趋势加上高斯白噪声过程: tttY 时间序列分析方法讲义 第3 章 平稳ARMA 模型 2 则它的均值和方差分别为: tEtYEttt)()( 2220)()(ttttEYE 3.1.2 随机过程的自协方差函数 将j 个时间间隔的随机变量构成一个随机向量),,,(1jttttY...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

时间序列分析方法第03章平稳ARMA模型

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部