下载文档原格式
第⼆章平稳时间序列模型——ACF和PACF和样本ACFPACF⾃相关函数/⾃相关曲线ACFAR(1)模型的ACF：模型为：当其满⾜平稳的必要条件|a1|<1时（所以说，⾃相关系数是在平稳条件下求得的）：y(t)和y(t-s)的⽅差是有限常数，y(t)和y(t-s)的协⽅差伽马s除以伽马0，可求得ACF如下：由于{rhoi}其在平稳条件|a1|<1下求得，所以平稳0<a1<1则⾃相关系数是直接收敛到0-1<a1<0则⾃相关系数是震荡收敛到0对于AR(2)模型的ACF：（略去截距项）两边同时乘以y(t)，y(t-1)，y(t-2)......得到yule-Walker⽅程，然后结合平稳序列的⼀些性质（yule-Walker⽅程法确确实实⽤了协⽅差只与时间间隔有关的性质），得到⾃相关系数如下：rho0恒为1（⼆阶差分⽅程）令⼈惊喜的是，这个⼆阶差分⽅程的特征⽅程和AR(2)模型的是⼀致的。
所以，我们的rho本就是在序列平稳的条件下求得，所以{rhoi}序列也平稳。
当然，其收敛形式取决于a1和a2MA(1)模型的ACF:模型为：由于y(t)的表达式是由⽩噪声序列中的项组成，所以不需要什么平稳条件，就可以求得rho的形式如下：对于MA(p)模型，rho(p+1)开始，之后都为0.所以说，到了p阶之后突然阶段，变为0了。
ARMA(1,1)模型的ACF：模型为：还是使⽤yule-Walker⽅程法（⽤到了序列平稳则协⽅差只与时间间隔有关的性质）得到：所以有：ARMA(p,q)模型的ACF：ARMA(p,q)的⾃相关系数满⾜：（式1）前p个rho值（rho1，rho2...rhop）可以看做yule-Walker⽅程的初始条件，其他滞后值取决于特征⽅程。
（其实是这样的，rho1，rho2...rhop实际上能写出⼀个表达式，⽽rho(p+1)开始，就满⾜⼀个差分⽅程，⽽这个⽅程对应的特征根（即式1）⽅程和AR(p)对应的⼀模⼀样），所以，他会从之后q期开始衰减。
第二章平稳随机过程的谱分析平稳随机过程第二章平稳随机过程的谱分析本章要解决的问题：●随机信号是否也可以应用频域分析方法?●傅里叶变换能否应用于随机信号？● 相关函数与功率谱的关系● 功率谱的应用● 采样定理● 白噪声的定义2.1 随机过程的谱分析2.1.1 预备知识1、付氏变换:对于一个确定性时间脉冲x(t)，设x(t)是时间t 的非周期实函数，且x(t) 满足狄利赫利条件（有限个极值，有限个断点，断点为有限值）且绝对可积，能量有限，则x(t)傅里叶变换存在。
即：满足上述三个条件的x(t)的傅里叶变换为：其反变换为：2、帕赛瓦等式由上面式子可以重新得到：——称为非周期性三十天拉热函数的帕塞瓦(Parseval)等式。
物理意义：若x(t)表示的是电压(或电流) ，则上式左边代表x(t)在时间(-∞, ∞) 区间的总能量（单位阻抗）。
因此，等式右边的被积函数X X (ω)2表示了信号x(t)能量按频率分布的情况，故称X X (ω)2为能量谱密度。
2.1.2、随机过程的功率谱密度变换一个信号的惟教变换是否存在，可能需要满足三个条件，那么随机信号是否满足这三个条件从而存在付氏呢？随机信号持续时间无限长，因此，对于非0的样本函数，它的能量一般也是无限的，因此，其付氏变换不牵涉到。
但是注意到它的平均功率是有限的，在特定的条件下，仍然洪可以利用博里叶变换这一工具。
为了将傅里叶变换方法常量应用于随机过程，必须对过程的待测函数做某些限制，最简单的一种方法是应用截取函数。
截取函数x T (t):图2.1 x (t)及其截取函数当x(t)为有限值时，裁取函数x T (t)满足绝对可积条件。
因此，x T (t)的傅里叶变换存在，有很明显，式的变化）x T (t)也应满足帕塞瓦等式，即：（注意积分区间和表达用2T 除上式等号用的两端，可以得到等号于两边取集合平均，可以得到:令T→∞，再取极限，便可得到随机过程的平均功率。
第⼆章平稳时间序列模型——AR（p）,MA（q）,ARMA（p,q）模型及其平稳性1⽩噪声过程:零均值，同⽅差，⽆⾃相关（协⽅差为0）以后我们遇到的efshow如果不特殊说明，就是⽩噪声过程。
对于正态分布⽽⾔，不相关即可推出独⽴，所以如果该⽩噪声如果服从正态分布，则其还将互相独⽴。
2各种和模型p阶移动平均过程：q阶⾃回归过程：⾃回归移动平均模型：如果ARMA(p,q)模型的表达式的特征根⾄少有⼀个⼤于等于1，则{y(t)}为积分过程，此时该模型称为⾃回归秋季移动平均模型（ARIMA）时间序列啊，不就是求个通项公式，然后求出⼀个⾮递推形式的表达式吗？（这个公式和⾃变量t有关，然后以后只要知道t就能得到对应的y的预测值）3弱平稳/协⽅差平稳：均值和⽅差为常数（即同⽅差），协⽅差仅与时间间隔有关4⾃相关系数：5AR(1)模型（带⽩噪声的⼀阶差分⽅程）的平稳性：（1）如果初始条件为y0：则其解为（我们通过其解来判断其是否平稳）此时{y(t)}是不平稳的。
· 但是如果|a1|<1，其t⾜够⼤，则{y(t)}是平稳的。
均值：⽅差：等于协⽅差：等于所以有结论：（2）初始条件未知：则其通解为：{y(t)}平稳的条件为：1 |a1|<12 且齐次解A(a1)^t为0：序列从很久前开始（即t很⼤，且结合1，则为0），或该过程始终平稳（A=0）所以说，解的稳定性和序列的平稳性是不⼀样的。
这两条对所有的ARMA(p,q)模型都适⽤。
（对于任意的ARMA(p,q)模型，齐次解为0是平稳性必要条件）（ARMA(p,q)模型的齐次解为或）6对于ARMA(2,1)模型的平稳性：模型表达式为：（2.16）（截距项不影响平稳性，略去）设其挑战解为：（⽤待定系数法）则系数应当满⾜⽅程：（2.17）序列{阿尔法i}收敛的条件是⽅程（2.16）对于的齐次⽅程的特征根都在单位圆之内（因为2.17中的差分⽅程对于的特征⽅程和⽅程2.16对于的特征⽅程是⼀模⼀样的）我们之所以只考虑特解，是因为我们让齐次解为0.此时该挑战解/特解：均值为：⽅差为：（t很⼤时⽤级数求和）协⽅差为：等于所以其平稳性条件为（t很⼤）：1模型对应的齐次⽅程的特征⽅程的特征根在单位圆内2齐次解为0。
