第一章 平稳序列
1.1平稳序列基本概念
无论是从原序列中把趋势项去掉得到的随机波动项,还是用随机差分后得到残差序列,都会存在一种现象:随机项会沿着水平值波动,并且前后之间具有相关性,与独立序列不同。
一、定义
定义1.1 如果时间序列
- 对任何
—-等于没说,也就是随机变量性质稍微好点
- 对任何
—-这个也不本质,取0也可以
- 对任何
—
关键!
那么我们称
平稳的时间序列,简称为
平稳序列。称实数
自协方差函数.
例1.1 平稳序列的线性变换依然是平稳序列
那么
可见
如果取
例1.2 调和平稳序列
设
是平稳序列.
证明:验证期望为常数,协方差只与时间间隔有关
说明:计算期望时用到三角函数在一个周期内的积分为0。计算协方差时,用到积化和差公式得到一个常数加一个三角函数,然后用三角函数在一个周期内积分为0。
二、自协方差函数性质
自协方差函数有以下三条性质:
- 对称性:
- 非负定性:
对任意
- 有界性:
对称性证明:用到了协方差的对称性
非负定性证明:
任取一个向量
对于第一个等号,可以看做是一个求和,其中求和的每一项就是分别从三部分中取一个然后相乘,即
有界性证明:运用Schwarz不等式
反过来,只要实数列满足这三个条件,就可以构造随机序列,使得该序列的协方差函数为该给定的实数列!
三、非负定性、随机变量的线性相关
首先根据非负定性的证明有
进而如果
此时称
更进一步,如果
四、自相关系数
定义1.2 设平稳序列
我们把这样标准化后序列的自协方差函数成为
五、白噪声、白噪声模拟
定义1.3 设平稳序列
则称
- 如果序列是独立的,称为独立白噪声
- 如果序列均值为0,称为零均值白噪声
- 如果序列均值为0方差为1,称为标准白噪声
- 如果
服从正态分布,称为
正态白噪声.
六、正交和不相关性
如果
不相关,如果
正交.
对于两个平稳序列
- 不相关:
- 正交:
之所以这样定义正交,是从几何角度来看。事实上对于所有二阶矩存在的随机变量,构成一个Hilbert空间,且Hilbert空间上内积就用数学期望来定义.
两个平稳序列之和是否还是平稳序列?下面这个定理给出了说明:
定理1.1 对于平稳序列
证明:
二阶矩有界:
均值常数:
当正交的时候:
当不相关的时候:
1.2线性平稳序列和线性滤波
几种常用且重要的平稳序列
- 有限运动平均
- 线性平稳序列
- 时间序列的线性滤波
一、有限运动平均
设
是白噪声
有限运动平均,简称为
MA(moving average),运动平均又称滑动平均.
- MA的平稳性
验证一下数学期望和自协方差函数的条件:
数学期望:
自协方差函数:
其中第3个等号利用白噪声的不相关性,只有
二、线性平稳序列
将有限运动平均改为无穷项会发生什么?定义零均值白噪声的无穷滑动平均为
当满足
绝对可和.
当求和项数无限时,不能够轻易将期望与求和交换,那么如何证明平稳?
定理2.1 (单调收敛定理)如果非负随机变量序列单调不减
利用这个定理,我们令
因此利用单调收敛定理得到
但是无穷滑动平均的定义中没有绝对值,怎么办?
定理2.2 (控制收敛定理)如果随机变量序列
首先考察期望。由上面的讨论,我们得到在绝对值情形下的数学期望为
我们取
然后还要考察
与有限运动平均类似的结果:
至于为什么能交换,也就是单调收敛定理与控制收敛定理的应用,具体来说就是先考察各项都取绝对值后的期望是否存在,在这里就是
其期望可计算如下:
其中第一个等号运用单调收敛定理,即对于正项级数的期望和求和可交换,不等号运用了Schwarz不等式,最后一个小于号利用了绝对可和性。
最后说明一下二阶矩有界。这里也是Schwarz不等式的运用,如下:
注1:绝对可和条件下,如上定义的自协方差函数是绝对收敛的。
证明:
这说明了自协方差函数当
时间间隔比较长的两个观测值之间相关性是比较小的。
单边线性序列:只对非负部分求和,即
今天的文章时间序列证明平稳性例题_时间序列证明平稳性例题分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/83477.html