一.时间序列分析的相关概念♦随机过程：若对于每一个特定的t ∈T ，X(t)是一个随机变量，则称这一族无穷多个随机变量{X(t),t ∈T}是一个随机过程。
♦纯随机过程：随机过程X(t)(t=1,2,…)，如果是由一个不相关的随机变量序列构成的，即对于所有s ≠t ，随机变量X t 和X s 的协方差均为零，则称其为纯随机过程。
♦♦♦♦独立增量随机过程：任意两相邻时刻上的随机变量之差是相互独立的，则称其为独立增量随机过程。
二阶矩过程：若随机过程{X(t),t ∈T}，对每个t ∈T ，X(t)的均值和方差存在，则称其为二阶矩过程。
正态过程：若{X(t)}的有限维分布都是正态分布，则称{X(t)}为正态随机过程。
平稳过程(严平稳)：如果对于时间t 的任意n 个值t 1,t 2,…,t n 和任意实数 ，随机过程X(t)的n 维分布函数满足关系式F n (x 1,x 2,…,x n ; t 1,t 2,…,t n ) = F n (x 1,x 2,…,x n ; t 1+ε,t 2+ε,…,t n+ε)，则称X(t)为平稳过程。
即是统计特性不随时间的平移而变化的过程。
♦宽平稳：若随机过程{X(t),t ∈T}的均值和协方差存在，且满足①EX t ∈a,∀t ∈T ；②E[X t+τ-a][X t -a]=R(τ),∀t,t+τ∈T ，则称{X(t),t ∈T}为宽平稳随机过程，R(τ)为X(t)的协方差函数。
♦非平稳随机过程：不具有平稳性的过程就是非平稳过程。
即序列均值或协方差与时间有关时，就可以认为是非平稳的。
♦♦自相关：指时间序列观察资料互相之间的依存关系。
动态性(记忆性)：指系统现在的行为与其历史行为的相关性。
如果某输入对系统后继n 个时刻的行为都有影响，就说该系统具有n 阶动态性。
二.刻画时间序列统计特性的各种数字特征的定义、性质等♦均值函数其中，F t (x)为随机序列X t 的分布密度函数。
