您好,欢迎访问三七文档
目录第一章随机过程简介第二章时间序列分析简介第三章ARMA模型的特性第四章平稳时间序列的建立第五章平稳时间序列的预测《时间序列分析》第一章随机过程简介一.随机过程理论的产生和发展随机过程的研究起源于生产、科研中的实际问题,其理论产生于二十世纪初期。特别是,在1929年由柯尔莫哥洛夫(A.H.Kolmogorov)奠定了概率论的数学基础之后,随机过程理论得到了更快、更深刻的发展。二、随机过程的应用事实上,在水资源科学、水利工程、土木工程、电气、通讯工程、经济管理、理论物理等学科领域,到处能找到应用随机过程的实例。随着人们对自然现象的认识愈来愈深入,随机过程已被广泛地应用于自然、社会科学的各个领域,大有“水银泻地无孔不入”之势,并在研究和解决实际课题的过程中起到了重大的作用。第一节随机过程的基本概念及分类随机过程(S.P)的基本概念S.P的分类及几种重要S.P简介S.P的基本概念S.P及其有穷维分布族S.P的数字特征多(两)个S.P的统计特性及复S.P1.1S.P及其有穷维分布族1、概念(1)实例概率论主要研究的对象是r.v.,即所研究的随机试验的结果是可用一个或有限个r.v.描述的随机现象。随着科学技术的发展,有些随机现象仅用一个或有限个r.v.来描述是不够的,必须用无穷多个r.v.来描述。例如:(i)某电话交换台在时段[0,t]内接到的呼唤次数是一个与t有关的r.v.Xt(),对于固定的t,Xt()是r.v.,它可取任意的非负整数0,1,2,···,当t在[0,)上变化时,可得到一族无穷多个r.v.{Xt(),t[0,)}。(ii)考虑某生物群体的发展过程。令Xn()表示该群体第n代成员的个数,当n固定时,Xn()是r.v.,它可能取值0,1,2,···,这时,需要研究的是一列r.v.{Xn(),nZ+}。(iii)悬浮在液面的微粒,由于受到分子的随机碰撞作杂乱无章的运动。令(Xt(),Yt())表示在t时刻微粒的位置,则当t固定时,它是二维r.v.。在时段[a,b]观测微粒的运动,便得到一族无穷多个二维r.v.{(Xt(),Yt()),t[a,b]},这就是物理学中的布郎运动。(2)定义1.1设(,F,P)是概率空间,TR,若对任意tT,都有(,F,P)上的一个r.v.与之对应,则称r.v.族{Xt(),tT}是(,F,P)上的一个随机过程,可记为S.P.。T称为参数集,通常表示时间。物理解释:Xt()也可记作X(t,),Xt或X(t),表示在时刻t系统的状态。X(t)的状态全体称为状态空间或相空间,记为E或I。数学解释:可认为{Xt(),tT}是定义在T上的二元函数。当t固定时,Xt()是r.v.,当固定时,Xt()是定义在T上的普通函数,称为随机过程的样本函数或轨道,样本函数的全体称为样本函数空间。有穷维分布函数族(1)定义1.2给定随机过程{X(t),tT},则对任意nZ+和t1,···,tnT,随机向量(X(t1),···,X(tn))’的分布函数}x)t(X,,x)t(X:{P)t,,t;x,,x(Fnn11n1n1})(,,)({nn11xtXxtXP称为{X(t),tT}的n维分布函数;这些分布函数的全体},,,),,,;.,({ZnTttttxxFFn1n1n1称为{X(t),tT}的有穷维分布函数族。(2)有穷维分布函数族的性质(i)对称性:对于参数t1,···,tn的任意排列n1iitt,,(ii)相容性:当mn时);,,;,,(),,;,,(n1n1iiiittxxFttxxFn1n1).,,,,,;,,,,,(),,;,,(n1mm1m1m1m1ttttxxFttxxF反之,可以证明:给定相容性和对称性的分布函数族F,一定存在概率空间及其上的随机过程,它的有穷维布函数族是F。这就是著名的柯尔莫哥洛夫(A.N.Kolmogorov)定理(3)有穷维特征函数族称为{X(t),tT}的n维特征函数;n1kkkn1tXin1ttEe)(,,),,(},,,),,,({,,ZnTttn1n1ttn1称为{X(t),tT}的有穷维特征函数族。由于r.v.的特征函数与分布函数有一一对应关系,所以,可以通过S.P.的有穷维特征函数族来描述它的概率特性。1.2随机过程的数字特征1、均值函数定义1.3对于随机过程{X(t),tT},若对任意tT,EX(t)存在,则称函数由于随机过程{X(t),tT}是两个变量t的函数,故可有两种取平均的方法。其一是固定t后,对X(t)=X(t)取平均,称为集平均或统计平均;其二是固定后,对样本函数x(t)取平均,称为时间平均。理论上通常用前者,应用上则常用后者。TttEXtmtmX),()()(为S.P.的均值函数。2、自协方差函数、自相关函数与方差函数定义1.4对于随机过程{X(t),tT},若对任意tT,E[X(t)]2存在,则称函数TtstmtXsmsXEtsCtsCX,)]},()()][()({[),(),(为S.P.的(自)协方差函数。TttmtXEtDtD2X,)]()([)()(;,)],()([),(),(TtstXsXEtsRtsRX分别称为S.P.的(自)相关函数和方差函数。3、互协方差函数与互相关函数定义1.6对于S.P.{X(t),tT},{Y(t),tT},若对任意tT,E[X(t)]2、E[Y(t)]2存在,则称函数TtstmtYsmsXEtsCYXXY,)]},()()][()({[),(为S.P.{X(t),tT}与{Y(t),tT}的互协方差函数。;,)],()([),(TtstYsXEtsRXY称为S.P.{X(t),tT}与{Y(t),tT}的互相关函数。易知;Tt,s),t(m)s(m)t,s(R)t,s(CYXXYXY定义1.7若CXY(s,t)=0,则称S.P.{X(t),tT}与{Y(t),tT}互不相关;若对任意的n,mZ+,随机向量(X(t1),···,X(tn))’与(Y(s1),···,Y(sm))’相互独立,t1,···,tn;s1,···,smT,则称S.P.{X(t),tT}与{Y(t),tT}相互独立。易知S.P.{X(t),tT}与{Y(t),tT}相互独立它们互不相关,即CXY(s,t)=0,亦即RXY(s,t)=E[X(s)]E[Y(t)],反之不然。S.P.{X(t),tT}与{Y(t),tT}称为是正交的,若对任意的s,tT,有E[X(s)Y(t)]=0。1.3S.P.的分类及几个重要的S.P.简介S.P.的分类几个重要的S.P.简介一、随机过程的分类1、按参数集T及状态空间E离散与否分类可分成四类,如下表所示:类别1234T离散YYNNE离散YNYN注意:这种分类是完备的,但是其概率结构意义并不明确。2、按概率结构分类(1)独立随机过程对于任意n个不同的参数t1,···,tnT,r.v.X(t1),···,X(tn)相互独立,这样的S.P.称为具有独立r.v.的随机过程,简称独立随机过程。(2)独立增量过程若参数t1,···,tnT满足t1t2···tn,r.v.的增量X(t2)X(t1),X(t3)X(t2),···,X(tn)X(tn1)相互独立,这样的S.P.称为具有独立增量的随机过程,简称独立增量过程。这种分类也把S.P.分成四类如下:(3)马尔可夫过程(马氏过程)设参数t1,···,tnT满足t1t2···tn,若},x)t(X|x)t(X{P}x)t(X,,x)t(X|x)t(X{P1n1nnn111n1nnn则称该过程为马尔可夫过程,简称“马氏过程”。马氏过程的特点:已知现在,将来与过去无关。(4)平稳随机过程直观的说:该过程的统计特性不随时间的转移而变化,其严格的定义及有关知识将在后面介绍,简称平稳过程二、几个重要的随机过程1、独立增量过程若{X(t),tT}是独立增量过程,则对t1t2···tn,r.v.的增量X(t2)X(t1),X(t3)X(t2),···,X(tn)X(tn1)相互独立。该过程也叫”可加过程“。此时,限制T=[0,),且让X(0)=0,(a.e.)。于是,对于0=t0t1t2···tn,有.)]()([)(11kiiiktXtXtX若对任意的0,该过程的增量X(t+)X(t)的概率分布仅依赖于而与t无关,则称其为齐次(时齐)独立增量过程,或称其具有平稳增量,即平稳独立增量过程。关于独立增量过程有如下两个结论:定理1若{X(t),tT}是独立增量过程,且X(0)=0,(a.e.),则该过程必为马氏过程。定理2独立增量过程的有穷维分布族可由其一维分布和增量的分布所确定。2、正态过程(1)定义若过程{X(t),tT}任意有穷维分布都是正态的,则称该过程为正态过程或高斯(Gauss)过程。由于对任意nZ+,t1,···,tnT,随机向量(X(t1),···,X(tn))’是一个n维正态随机向量,故第一章中关于正态随机向量的结论此处均可加以应用。事实上,它的概率密度是)}mx()'mx(21exp{||)2(1)t,,t;x,,x(f12/12nn1n1其中,x’=(x1,···,xn),m’=(m(t1),···,m(tn)),))t(X),t(Xcov()t,t(C,))t,t(C(jijinnji(2)正态过程的几个重要性质(i)正态过程的统计特性由它的均值函数m(t)及自协方差函数C(ti,tj)或相关函数R(ti,tj),i,j=1,···,n完全确定。(ii)对应于正态过程的任一n维随机向量,其互不相关性等价于相互独立性。(iii)正态过程的任正态性在线性变换下保持不变。这一性质告诉我们:若随机系统是线性系统,则当输入(激励)是正态过程时,其输出(响应)仍是正态的。3、维纳(Weiner)过程(1)定义随机过程{W(t),t0}称为参数为2的维纳过程,如果它满足:(i)W(0)=0,(a.e.);(ii)W(t)是独立增量过程;(iii)对任何s,t0,W(t)W(s)~N(0,2|ts|)。(2)有关维纳过程的几个结论(i)维纳过程{W,t0}是正态过程。当=1时,称它为标准维纳过程。(ii)维纳过程{W(t),t0}是马氏过程,其转移概率密度(ts0)是}.)st(2)xy(exp{)st(21)y,t;x,s(f)x|y(f222W|Wst(iii)维纳过程{W,t0}的均值函数、方差函数和相关函数分别是1°m(t)=E[W(t)]=0;2°D(t)=D[W(t)]=2;3°R(t1,t2)=2min(t1,t2).4、泊松(Poisson)过程(1)概念随机服务系统设N(t)表示在时间段[0,t]到达服务机构的顾客数,则{N(t),t0}是随机过程。由于状态空间E={0,1,2,···},故{N(t),t0}称为计数过程。由于N(t)是时间段[0,t]某事件发生的次数,从而{N(t),t0}也称为“事件流”(2)假设(i)零初值:N(0)=0;(ii)增量平稳性:对任意a,t0,N(a+t)N(a)的概率与a无关,即P{N(t+t)N(t)=k}=P{N(t)=k}=pk,k=0,1,2,···;(iii)增量独立性:(iv)单跳跃性:在时间段t内,某事件发生两次或两次以上的概率是t的高阶无穷小,即P{N(t)2}=0(t);(v)随机性:对任意的t0,0p0(t)1.(3)定义若取非负整数值的计数过程{N(t),t0}
本文标题:时间序列分析(全)
链接地址:https://www.777doc.com/doc-731438 .html