平稳时间序列模型基本概念
• 但由于确定时间序列的分布函数一般不可能, 人们更加注意使用时间序列的各种特征量的描 述,如均值函数、协方差函数、自相关函数、 偏自相关函数等,这些特征量往往能代表随机 变量的主要特征。
• 2.均值函数 • 一个时间序列{Xt,t=0, ±1, ±2 ……}的
均值函数指:
a
t EX t a XdFt ( X t )
• 1.严平稳过程:若对于时间 t的任意n个值 t1<t2<…<tn,此序列中的随机变量 Xt1+s,Xt2+s, …,Xtn+s联合分布与整数s无关,即有:
• Ft1,t2,…tn(Xt1,Xt2…,Xtn)=Ft1+s,t2+s…+tn+s(Xt1+s,Xt2+s, …,Xtn+s)
• 则称{Xt}为严平稳过程。有些参考书也称为狭义 平稳或强平稳过程。
该定义蕴涵的四种情况:
1、当e和t都是变量时,x(t)是一族时间的函数,它表 示一个随机过程;
2、当e给定,t为变量时, x(t)是一个时间t的函数, 称它为样本函数,有时也称为一次实现。
3、当t给定,e为变量时, x(t)是一个随机变量。
4、当e、t均给定时, x(t) 是一个标量或者矢量。
当T ,,则随机过程可表示成 {X t , t }
而不是对所有的随机序列进行统计分析。
(二)随机过程与随机变量之间的关系
区别: 1、随机变量是定义在样本空间上的一个单值实函数,随 机过程是一族时间t的函数。 2、对应于一定随机试验和样本空间的随机变量与时间t无 关,而随机过程与时间密切相关。 3、随机变量描述事物在某一特定时点上的静态,随机过 程描述事物发展变化的动态。
• 联系:
• (1)若一个序列为严平稳序列,且有有穷的 二阶矩,那么该序列也必为宽平稳序列。
• (2)若时间序列为正态序列(即它的任何有 限维分布都是正态分布),那么该序列为严 平稳序列和宽平稳序列是相互等价的。
• 注:由于在实际中严平稳序列的条件非常难 以满足,我们研究的通常是宽平稳序列.
• 在以后讨论中,若不作特别说明,平稳 序列即指宽平稳序列。
上一页 下一页 返回本节首页
联系: 1、随机过程具有随机变量的特性,同时还具有普通函数的 特性。
2、随机变量是随机过程的特例。一元随机变量可视为参数 集为单元素集的随机过程。
3、当随机过程固定某一个时刻时,就得到一个随机变量。
4、随机过程是N维随机向量、随机变量列的一般化,它是 随机变量X(t)的集合。
则称该时间序列为宽平稳过程。 此定义表明,宽平稳过程各随机变量的均
值为常数,且任意两个变量的协方差仅与时间 间隔(t-s)有关。 (宽平稳过程只涉及一阶和二阶矩)
• 3.严平稳过程和宽平稳过程的联系和区别
• 区别: • (1)严平稳的概率分布随时间的平移而不变,
宽平稳序列的均值和自协方差随时间的平移而 不变。 • (2)一个严平稳序列,不一定是宽平稳序列; 一个宽平稳序列也不一定是严平稳序列。
由此可见,时间序列的自协方差函数是 随机变量间协方差推广差. 时间序列自协方差函数具有对称性:
(二)时间序列的分布、均值和协方差函数
• 1.时间序列的概率分布
•
随机过程是一族随机变量,类似于随机
变量,可以定义随机过程的概率分布函数和概
率密度函数。它们都是两个变量t, x的函数。
上一页 下一页 返回本节首页
•
如果我们能确定பைடு நூலகம்时间序列的概率分布,
我们就可以对时间序列构造模型,并描述时间
序列的全部随机特征,
3.1 时间序列的基本概念
一、随机过程 二、平稳时间序列 三、随机过程的特征描述 四、线性差分方程
一、随机过程
•
(一)随机过程的定义 (二)随机过程与随机变量之间的关系
上一页 下一页 返回本节首页
(一)随机过程的定义
1.引言:事物的变化过程可分为两类:对 于每一个固定的时刻t,变化的结果, 一类是确定的,这个结果可用t的某 个确定性函数来描述; 另一类结果是随机的,即以某种可 能性出现多个(有限多个或无限多个) 结果之一。
t 即为{Xt}的均值函数。它实质上是一个实数列,
被{Xt}的一维分布族所决定。均值表示随机过程在
各个时刻的摆动中心。
• 3. 时间序列的自协方差函数 (t, s) E( Xt t )(X s s )
aa
a a (x t )(y s )dFt,s (x, y)
当t {0,1,2,}时随机过程可写为 {X t ,t 0,1,2,}
此类随机过程又称随机序列(random sequence)或时间序列(time series)。对于 一个连续时间的随机过程,通过等间隔采 样,也是一个随机序列。
•
我们所要讨论的时间序列分析,只是对
平稳序列及其有关的随机序列进行统计分析,
上一页 下一页 返回本节首页
2.定义:
设E是随机试验,S是它的样本空间,如果对
于每一个e s ,我们总可以依某种规则确定
一时间t的函数
X (e,t),t T
与之对应(T是时间t的变化范围),于是,对于
所有的的e s 来说,就得到这族时间t的函
数为随机过程,而族中每一个函数为这个随机过 程的样本函数(或一次实现)。
二、平稳时间序列
• (一)两种不同的平稳性定义 • (二)时间序列的分布、均值和协方差函数 • (三)平稳序列的自协方差和自相关函数 • (四)白噪声序列和独立同分布序列 • (五)独立增量随机过程、二阶矩过程 • (六)线性平稳序列 • (七)偏自相关函数
上一页 下一页 返回本节首页
(一)两种不同的平稳性定义
上一页 下一页 返回本节首页
• 此定义表明,严平稳的概率分布与时间 的平移无关。 • 一般来说,若所研究的随机过程,前后 的环境和主要条件都不随时间变化,就可以 认为它是平稳随机过程。
平稳随机过程的一维概率密度函数与 时间无关。二维概率密度函数只与时间 间隔S有关,而与时间的起点和终点无关。
• 2.宽平稳过程:若时间序列有有穷的二 阶矩,且Xt满足如下两个条件: (1)t EXt c (2) (t, s) E(Xt c)(Xs c) (t s,0)