時(shí)間序列分析第三章平穩(wěn)時(shí)間序列分析-在線(xiàn)瀏覽
2024-08-06 18:35本頁(yè)面
【正文】 0:5) q=(0:5)。estimate p=1。estimate p=1 noin。forecast lead=5 id=time out=results。proc gplot data=results。symbol1 c=black i=none v=start。symbol3 c=green i=join v=none l=32。（1）判斷該序列的平穩(wěn)性與純隨機(jī)性該序列的時(shí)序圖如下（圖a） 圖a 由時(shí)序圖顯示過(guò)去63年中每年降雪量數(shù)據(jù)圍繞早70mm附近隨機(jī)波動(dòng)，沒(méi)有明顯趨勢(shì)或周期，基本可以看成平穩(wěn)序列，為了穩(wěn)妥起見(jiàn)，做了如下自相關(guān)圖（圖b） 圖b時(shí)序圖就是一個(gè)平面二維坐標(biāo)圖，通常橫軸表示時(shí)間，縱軸表示序列取值。根據(jù)平穩(wěn)時(shí)間序列均值、方差為常數(shù)的性質(zhì)，平穩(wěn)序列的時(shí)序圖應(yīng)該顯示出該序列始終在一個(gè)常數(shù)值附近隨機(jī)波動(dòng)，而且波動(dòng)的范圍有界的特點(diǎn)。 樣本的自相關(guān)圖我們可以知道該圖橫軸表示自相關(guān)系數(shù)，綜軸表示延遲時(shí)期數(shù)，用水平方向的垂線(xiàn)表示自相關(guān)系數(shù)的大小。純隨機(jī)性檢驗(yàn)見(jiàn)下圖：（圖c） 圖c根據(jù)圖c的檢驗(yàn)結(jié)果我們知道，所以我們可以以很大的把握（置信水平95%）斷定這個(gè)擬合模型的殘差序列屬于非白噪聲序列。模型識(shí)別如下圖（圖d）圖d假如某個(gè)觀(guān)察值序列通過(guò)序列預(yù)處理，可以判定為平穩(wěn)非白噪聲序列，就可以利用ARMA模型對(duì)該序列建模。2：根據(jù)樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，選擇適當(dāng)?shù)谹RMA（p，q）模型進(jìn)行擬合。4：檢驗(yàn)?zāi)Ｐ陀行浴?：模型優(yōu)化。6：利用擬合模型，預(yù)測(cè)序列的將來(lái)走勢(shì)。它們的自相關(guān)系數(shù)都呈現(xiàn)出拖尾性和呈指數(shù)衰減到零值附近的性質(zhì)。18. 某地區(qū)連續(xù)74年的谷物產(chǎn)量（單位：千噸）data example18_1。time=_n_。 。plot x*time=1。run。identify var=x nlag=18 minic p= (0:5) q=(0:5)。estimate q=1。forecast lead=5 id=time out=results。proc gplot data=results。symbol1 c=black i=none v=start。symbol3 c=green i=join v=none l=32。（1）判斷該序列的平穩(wěn)性與純隨機(jī)性該序列的時(shí)序圖如下（圖f） 圖f時(shí)序圖就是一個(gè)平面二維坐標(biāo)圖，通常橫軸表示時(shí)間，縱軸表示序列取值。根據(jù)平穩(wěn)時(shí)間序列均值、方差為常數(shù)的性質(zhì)，平穩(wěn)序列的時(shí)序圖應(yīng)該顯示出該序列始終在一個(gè)常數(shù)值附近隨機(jī)波動(dòng)，而且波動(dòng)的范圍有界的特點(diǎn)。 ，沒(méi)有明顯趨勢(shì)或周期，基本可以看成平穩(wěn)序列，為了穩(wěn)妥起見(jiàn)，做了如下自相關(guān)圖（圖g） 圖g 樣本的自相關(guān)圖我們可以知道該圖橫軸表示自相關(guān)系數(shù)，綜軸表示延遲時(shí)期數(shù)，用水平方向的垂線(xiàn)表示自相關(guān)系數(shù)的大小。純隨機(jī)性檢驗(yàn)見(jiàn)下圖：（圖h） 圖h根據(jù)圖h的檢驗(yàn)結(jié)果我們知道，所以我們可以以很大的把握（置信水平95%）斷定這個(gè)擬合模型的殘差序列屬于非白噪聲序列。如果序列平穩(wěn)且非白躁聲，選折適當(dāng)模型擬合序列的發(fā)展模型識(shí)別如下圖（圖i） 圖i假如某個(gè)觀(guān)察值序列通過(guò)序列預(yù)處理，可以判定為平穩(wěn)非白噪聲序列，就可以利用ARMA模型對(duì)該序列建模。B：根據(jù)樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，選擇適當(dāng)?shù)谹RMA（p，q）模型進(jìn)行擬合。D：檢驗(yàn)?zāi)Ｐ陀行?。E：模型優(yōu)化。F：利用擬合模型，預(yù)測(cè)序列的將來(lái)走勢(shì)。它們的自相關(guān)系數(shù)都呈現(xiàn)出拖尾性和呈指數(shù)衰減到零值附近的性質(zhì)。19. 現(xiàn)有
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1