时间序列模型 1.时间序列模型是用于做预测的，其中包含多种预测模型： 1） 加法模型 2） 乘法模型 3） 混合模型 2.移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法（趋势移动平均法对于同时存在直线趋势与周期波动的序列，是一种既能反映趋势变） 化，又可以有效地分离出来周期变动的方法。 2． 指数平滑法：一次指数平滑法、二次指数平滑法和三次指数平滑法等 （在第7页） 一次指数平滑法虽然克服了移动平均法的缺点。但当时间序列的变动出现直线趋 势时，用一次指数平滑法进行预测，仍存在明显的滞后偏差。因此，也必须加以修正。 修正的方法与趋势移动平均法相同，即再作二次指数平滑，利用滞后偏差的规律建立直 线趋势模型。这就是二次指数平滑法。当时间序列的变动表现为二次曲线趋势时，则需要用三次指数平滑法 3. 差分指数平滑法：一阶差分指数平滑法、二阶差分指数平滑模型（14） 4. 自适应滤波法：以时间序列的历史观测值进行某种加权平均来预测的，它要寻找一组“最佳”的权数，其办法是先用一组给定的权数来计算一个预测值，然后计算预测误差，再根据预测误差调整权数以减少误差 5. 趋势外推预测方法，推测出事物 未来状况的一种比较常用的预测方法。利用趋势外推法进行预测，主要包括六个阶段： （a）选择应预测的参数；（b）收集必要的数据；（c）利用数据拟合曲线；（d）趋势外 推；（e）预测说明；（f）研究预测结果在进行决策中应用的可能性。 趋势外推法常用的典型数学模型有：指数曲线、修正指数曲线、生长曲线、包络 曲线等。（22） 6. 平稳时间序列模型： 自回归模型（Au to Regressiv e Model）简称AR 模型，移动平均模型（Mov ingAv erage Model）简称MA 模型，自回归移动平均模型（Au to Regressiv e Mov ing Av erageModel）简称ARMA 模型（23） 1. 插值 1、 可用于预测问题，观察相应散点的变化，预测被插值点的函数值 2、 主要方法有：一维插值法，二维网格插值和散点插值（contou r） 3、 要求所求通过所有给定的点 拟合 1、 线性拟合：一般都先画出散点图，用plot命令，然后再进行观察拟合，poly fit得系数，poly v al在相关点的值。 2、 非线性拟合：（11） 数据的统计描述与分析 1、 常见的概率分布函数：正态分布、指数分布、韦伯分布、指数分布、卡方分布、t分布F分布、概率密度函数、概率分布函数、逆概率分布、均值与方差、随...
