freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

上海財(cái)經(jīng)大學(xué)--統(tǒng)計(jì)預(yù)測(cè)和決策-資料下載頁(yè)

2025-01-15 08:47本頁(yè)面
  

【正文】 。回總目錄 回本章目錄無(wú)從計(jì)算。第一輪的迭代就此結(jié)束,轉(zhuǎn)入把現(xiàn)有的一組作為初始系數(shù),重新開始 t=4的迭代過(guò)程。這樣反復(fù)進(jìn)行,到預(yù)測(cè)誤差(指一輪預(yù)測(cè)的總誤差)沒(méi)多大改進(jìn)時(shí),就認(rèn)為獲得了一組最佳系數(shù),以此獲得的系數(shù)作為最優(yōu)系數(shù)進(jìn)行模型預(yù)測(cè):回總目錄 回本章目錄7 平穩(wěn)時(shí)間序列預(yù)測(cè)法概述時(shí)間序列的自相關(guān)分析單位根檢驗(yàn)和協(xié)整檢驗(yàn)ARMA模型的建模 回總目錄 概 述時(shí)間序列 取自某一個(gè)隨機(jī)過(guò)程,則稱:一、平穩(wěn)時(shí)間序列過(guò)程是平穩(wěn)的 —— 隨機(jī)過(guò)程的隨機(jī)特征不隨時(shí)間變化而變化過(guò)程是非平穩(wěn)的 —— 隨機(jī)過(guò)程的隨機(jī)特征隨時(shí)間變化而變化回總目錄 回本章目錄 寬平穩(wěn)時(shí)間序列的定義:設(shè)時(shí)間序列 ,對(duì)于任意的 t,k和 m,滿足: 則稱 寬平穩(wěn)。 回總目錄 回本章目錄q BoxJenkins方法 是一種理論較為完善的統(tǒng)計(jì)預(yù)測(cè)方法。 他們的工作為實(shí)際工作者提供了對(duì)時(shí)間序列進(jìn)行分析、預(yù)測(cè),以及對(duì) ARMA模型識(shí)別、估計(jì)和診斷的系統(tǒng)方法。使 ARMA模型的建立有了一套完整、正規(guī)、結(jié)構(gòu)化的建模方法,并且具有統(tǒng)計(jì)上的完善性和牢固的理論基礎(chǔ)。qARMA模型 是描述平穩(wěn)隨機(jī)序列的最常用的一種模型;回總目錄 回本章目錄ARMA模型三種基本形式:q 自回歸模型( AR: Autoregressive);q 移動(dòng)平均模型( MA: MovingAverage);q 混合模型( ARMA: AutoregressiveMovingAverage)?;乜偰夸?回本章目錄如果時(shí)間序列 滿足 其中 是獨(dú)立同分布的隨機(jī)變量序列 ,且滿足: 則稱時(shí)間序列 服從 p階自回歸模型。二、自回歸模型回總目錄 回本章目錄自回歸模型的平穩(wěn)條件:滯后算子多項(xiàng)式 的根均在單位圓外,即 的根大于 1。 回總目錄 回本章目錄如果時(shí)間序列 滿足則稱時(shí)間序列 服從 q階移動(dòng)平均模型?;蛘哂洖?平穩(wěn)條件:任何條件下都平穩(wěn)。 三、移動(dòng)平均模型 MA(q)回總目錄 回本章目錄四、 ARMA(p,q)模型如果時(shí)間序列 滿足:則稱時(shí)間序列 服從 (p,q)階自回歸移動(dòng)平均模型。 或者記為:回總目錄 回本章目錄q q=0,模型即為 AR(p);q p=0,模型即為 MA(q)。ARMA(p,q)模型 特殊情況:回總目錄 回本章目錄例題分析設(shè) ,其中 A與 B為兩個(gè)獨(dú)立的零均值隨機(jī)變量,方差為 1;為一常數(shù)。試證明:寬平穩(wěn)?;乜偰夸?回本章目錄證明:均值為 0,只與 ts有關(guān),所以寬平穩(wěn)?;乜偰夸?回本章目錄 時(shí)間序列的自相關(guān)分析 q自相關(guān)分析法是進(jìn)行時(shí)間序列分析的有效方法,它簡(jiǎn)單易行 ,較為直觀,根據(jù)繪制的自相關(guān)分析圖和偏自相關(guān)分析圖,我們可以初步地識(shí)別平穩(wěn)序列的模型類型和模型階數(shù)。q利用自相關(guān)分析法可以測(cè)定時(shí)間序列的隨機(jī)性和平穩(wěn)性,以及時(shí)間序列的季節(jié)性。一、自相關(guān)分析回總目錄 回本章目錄( 1)自相關(guān)函數(shù)的定義 滯后期為 k的自協(xié)方差函數(shù)為: 則自相關(guān)函數(shù)為: 其中 回總目錄 回本章目錄 當(dāng)序列平穩(wěn)時(shí),自相關(guān)函數(shù)可寫為: ( 2)樣本自相關(guān)函數(shù)其中 回總目錄 回本章目錄q 樣本自相關(guān)函數(shù)可以說(shuō)明不同時(shí)期的數(shù) 據(jù)之間的相關(guān)程度,其取值范圍在 1到 1之間,值越接近于 1,說(shuō)明時(shí)間序列的 自相關(guān)程度越高?;乜偰夸?回本章目錄( 3)樣本的偏自相關(guān)函數(shù)是給定了 的條件下,與滯后 k期時(shí)間序列之間的條件相關(guān)。定義表示如下:其中, 回總目錄 回本章目錄時(shí)間序列的隨機(jī)性,是指時(shí)間序列各項(xiàng)之間沒(méi)有相關(guān)關(guān)系的特征。使用自相關(guān)分析圖判斷時(shí)間序列的隨機(jī)性,一般給出如下準(zhǔn)則:q 若時(shí)間序列的自相關(guān)函數(shù)基本上都落入 置信區(qū)間,則該時(shí)間序列具有隨機(jī)性;q 若較多自相關(guān)函數(shù)落在置信區(qū)間之外, 則認(rèn)為該時(shí)間序列不具有隨機(jī)性。回總目錄 回本章目錄 判斷時(shí)間序列是否平穩(wěn),是一項(xiàng)很重要的工作。運(yùn)用自相關(guān)分析圖判定時(shí)間序列平穩(wěn)性的準(zhǔn)則是: q若時(shí)間序列的自相關(guān)函數(shù) 在 k3時(shí)都落入置 信區(qū)間,且逐漸趨于零,則該時(shí)間序列具有平穩(wěn)性;q若時(shí)間序列的自相關(guān)函數(shù)更多地落在置信區(qū) 間外面,則該時(shí)間序列就不具有平穩(wěn)性。回總目錄 回本章目錄二、 ARMA模型的自相關(guān)分析 qAR(p)模型的偏自相關(guān)函數(shù)是以 p步截尾的,自 相關(guān)函數(shù)拖尾;qMA(q)模型的自相關(guān)函數(shù)具有 q步截尾性,偏自相關(guān)函數(shù)拖尾;(可用以上兩個(gè)性質(zhì)來(lái)識(shí)別 AR和 MA模型的階數(shù))qARMA(p,q)模型的自相關(guān)函數(shù)和偏相關(guān)函數(shù)都 是拖尾的?;乜偰夸?回本章目錄 單位根檢驗(yàn)和協(xié)整檢驗(yàn) 一、單位根檢驗(yàn)利用迪基 — 福勒檢驗(yàn)( DickeyFullerTest)和菲利普斯 — 佩榮檢驗(yàn)( PhilipsPerron Test),也可以測(cè)定時(shí)間序列的隨機(jī)性,這是在計(jì)量經(jīng)濟(jì)學(xué)中非常重要的兩種單位根檢驗(yàn)方法,與前者不同的是,后一個(gè)檢驗(yàn)方法主要應(yīng)用于一階自回歸模型的殘差不是白噪聲,而且存在自相關(guān)的情況?;乜偰夸?回本章目錄( 1)隨機(jī)游動(dòng) 如果在一個(gè)隨機(jī)過(guò)程中, 的每一次變化均來(lái)自于一個(gè)均值為零的獨(dú)立同分布,即隨機(jī)過(guò)程 滿足: 其中 獨(dú)立同分布,并且: 稱這個(gè)隨機(jī)過(guò)程是隨機(jī)游動(dòng)。它是一個(gè)非平穩(wěn)過(guò)程。 回總目錄 回本章目錄( 2) 單位根過(guò)程 設(shè)隨機(jī)過(guò)程 滿足: 其中 為一個(gè)平穩(wěn)過(guò)程并且 回總目錄 回本章目錄( 3) 協(xié)整關(guān)系q如果兩個(gè)或多個(gè)非平穩(wěn)的時(shí)間序列,其某個(gè)線性組合后的序列呈平穩(wěn)性,這樣的時(shí)間序列間就被稱為有協(xié)整關(guān)系存在;q這是一個(gè)很重要的概念,我們利用 EngleGranger兩步協(xié)整檢驗(yàn)法和 Johansen協(xié)整檢驗(yàn)法可以測(cè)定時(shí)間序列間的協(xié)整關(guān)系?;乜偰夸?回本章目錄 ARMA模型的建模 一、 模型階數(shù)的確定 ( 1) 基于自相關(guān)函數(shù)和偏相關(guān)函數(shù)的定階方法 對(duì)于 ARMA(p,q)模型,可以利用其樣本的自相關(guān)函數(shù) 和樣本偏自相關(guān)函數(shù) 的截尾性判定模型的階數(shù)?;乜偰夸?回本章目錄具體方法如下:q對(duì)于每一個(gè) q,計(jì)算 …. ( M 取為 或者 ),考察其中滿 足 或者的個(gè)數(shù)是否占 M個(gè)的 %或者 %。如果 , 都明顯地異于零,而 (轉(zhuǎn)下頁(yè) )回總目錄 回本章目錄…. 均近似于零,并且滿足上述不等式之一的 的個(gè)數(shù)達(dá)到其相應(yīng)的比例,則可以近似地判定 是 步截尾,平穩(wěn)時(shí)間序列 為 。, , ,回總目錄 回本章目錄q 類似,我們可通過(guò)計(jì)算序列其中滿足 ,考察或者是否占 M個(gè)的 %或者 %。即可以近似的個(gè)數(shù)地判定 是 步截尾,平穩(wěn)時(shí)間序列 為 ?;乜偰夸?回本章目錄q 如果對(duì)于序列 和截尾,即不存在上述的 來(lái)說(shuō),均不和判定平穩(wěn)時(shí)間序列 ,則可以為 ARMA模型。 回總目錄 回本章目錄( 2)基于 F 檢驗(yàn)確定階數(shù)( 3)利用信息準(zhǔn)則法定階( AIC準(zhǔn)則和 BIC準(zhǔn)則)此外常用的方法還有:回總目錄 回本章目錄二、模型參數(shù)的估計(jì)( 1) 初估計(jì) q AR(p)模型參數(shù)的 YuleWalker估計(jì)特例: 一階自回歸模型 AR(1): 二階自回歸模型 AR(2): 回總目錄 回本章目錄q MA(q)模型參數(shù)估計(jì) 特例: 一階移動(dòng)平均模型 MA(1):二階移動(dòng)平均模型 MA(2): 回總目錄 回本章目錄q ARMA(p,q)模型的參數(shù)估計(jì) 由于模型結(jié)構(gòu)的復(fù)雜性,比較困難,有幾種方法可以進(jìn)行。一般利用統(tǒng)計(jì)分析軟件包完成。 回總目錄 回本章目錄( 2)精估計(jì) ARMA(p,q)模型參數(shù)的精估計(jì),一般 采用極大似然估計(jì),由于模型結(jié)構(gòu)的復(fù) 雜性,無(wú)法直接給出參數(shù)的極大似然估 計(jì),只能通過(guò)迭代方法來(lái)完成,這時(shí), 迭代初值常常利用初估計(jì)得到的值?;乜偰夸?回本章目錄三、 ARMA(p,q)序列預(yù)報(bào) 設(shè)平穩(wěn)時(shí)間序列 是一個(gè) ARMA(p,q)過(guò)程,則其最小二乘預(yù)測(cè)為: q AR(p)模型預(yù)測(cè)回總目錄 回本章目錄q ARMA(p,q)模型 預(yù)測(cè)其中:回總目錄 回本章目錄q 預(yù)測(cè)誤差預(yù)測(cè)誤差為: 步線性最小方差預(yù)測(cè)的方差和預(yù)測(cè)步長(zhǎng) 有關(guān) , 而與預(yù)測(cè)的時(shí)間原點(diǎn) t無(wú)關(guān)。預(yù)測(cè)步長(zhǎng)越大,預(yù)測(cè)誤差的方差也越大,因而預(yù)測(cè)的準(zhǔn)確度就會(huì)降低。所以 ,一般不能用 ARMA(p,q)作為長(zhǎng)期預(yù)測(cè)模型?;乜偰夸?回本章目錄q 預(yù)測(cè)的置信區(qū)間 預(yù)測(cè)的 95%置信區(qū)間: 回總目錄 回本章目錄例題分析設(shè) 為一 AR(2)序列,其中。求 的自協(xié)方差函數(shù)。?例 1回總目錄 回本章目錄解答:YuleWalker方程為:即:回總目錄 回本章目錄且:聯(lián)合上面三個(gè)方程,解出:回總目錄 回本章目錄?例 2考慮如下 AR(2)序列:若已知觀測(cè)值( 1)試預(yù)報(bào)( 2)給出( 1)預(yù)報(bào)的置信度為 95%的預(yù)報(bào)區(qū)間回總目錄 回本章目錄解答:( 1)( 2)預(yù)報(bào)的置信度為 95%的預(yù)報(bào)區(qū)間分別為:回總目錄 回本章目錄8 干 預(yù) 分 析 模 型 預(yù) 測(cè) 法干預(yù)分析模型概述單變量干預(yù)分析模型的識(shí)別與估計(jì) 干預(yù)分析模型的應(yīng)用實(shí)例 回總目錄 干預(yù)分析模型概述一、干預(yù)模型簡(jiǎn)介干預(yù)的含義: 時(shí)間序列經(jīng)常會(huì)受到特殊事件及態(tài)勢(shì)的影響,稱這類外部事件為干預(yù)。研究干預(yù)分析的目的:從定量分析的角度來(lái)評(píng)估政策干預(yù)或突發(fā)事件對(duì)經(jīng)濟(jì)環(huán)境和經(jīng)濟(jì)過(guò)程的具體影響?;乜偰夸?回本章目錄二、干預(yù)分析模型的基本形式干預(yù)變量的形式 :干預(yù)分析模型的基本變量是干預(yù)變量,有兩種常見(jiàn)的干預(yù)變量。一種是持續(xù)性的干預(yù)變量,表示 T 時(shí)刻發(fā)生以后 ,一直有影響,這時(shí)可以用階躍函數(shù)表示,形式是:回總目錄 回本章目錄第二種是短暫性的干預(yù)變量,表示在某時(shí)刻發(fā)生 ,僅對(duì)該時(shí)刻有影響 ,用單位脈沖函數(shù)表示,形式是:干預(yù)事件的形式 :干預(yù)事件雖然多種多樣,但按其影響的形式,歸納起來(lái)基本上有四種類型:其他時(shí)間回總目錄 回本章目錄a.干預(yù)事件的影響突然開始,長(zhǎng)期持續(xù)下去設(shè)干預(yù)對(duì)因變量的影響是固定的,從某一時(shí)刻 T開始,但影響的程度是未知的,即因變量的大小是未知的。這種影響的干預(yù)模型可寫為: 回總目錄 回本章目錄ω表示干預(yù)影響強(qiáng)度的 未知參數(shù) 。 Yt不平穩(wěn)時(shí)可以通過(guò) 差分化 為平穩(wěn)序列,則干預(yù)模型可調(diào)整為:其中 B為 后移算子 。如果干預(yù)事件要滯后若干個(gè)時(shí)期才產(chǎn)生影響,如 b個(gè)時(shí)期,那么干預(yù)模型可進(jìn)一步調(diào)整為 :回總目錄 回本章目錄b.干預(yù)事件的影響逐漸開始,長(zhǎng)期持續(xù)下去有時(shí)候干預(yù)事件突然發(fā)生,并不能立刻產(chǎn)生完全的影響,而是隨著時(shí)間的推移,逐漸地感到這種影響的存在。這種形式的最簡(jiǎn)單情形的模型方程為:更一般的模型是 :回總目錄 回本章目錄c.干預(yù)事件突然開始,產(chǎn)生暫時(shí)的影響這類干預(yù)現(xiàn)象可以用數(shù)學(xué)模型描述如下:當(dāng) 時(shí),干預(yù)的影響只存在一個(gè)時(shí)期,當(dāng) 時(shí),干預(yù)的影響將長(zhǎng)期存在?;乜偰夸?回本章目錄d.干預(yù)事件逐漸開始,產(chǎn)生暫時(shí)的影響干預(yù)的影響逐漸增加,在某個(gè)時(shí)刻到達(dá)高峰,然后又逐漸減弱以至消失。這類干預(yù)現(xiàn)象可用以下模型描繪:回總目錄 回本章目錄 單變量干預(yù)分析模型的識(shí)別與估計(jì) 一、干預(yù)模型的構(gòu)造與干預(yù)效應(yīng)的識(shí)別單變量時(shí)間序列的干預(yù)模型,就是在時(shí)間序列模型中加進(jìn)各種干預(yù)變量的影響。設(shè)平穩(wěn)化后的單變量序列滿足下述模型: 回總目錄 回本章目錄又設(shè)干預(yù)事件的影響為:其中
點(diǎn)擊復(fù)制文檔內(nèi)容
電大資料相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1