книги / Статистический анализ временных рядов
..pdf4.5. ОБСУЖДЕНИЕ 183
Из соотношения (67) § 4.3 вытекает, что в случае, когда величины
щ нормально |
распределены, |
|
|||
(86) |
рНш |
т |
max |
Rl |
|
1о2 Т |
|||||
|
Г-юо |
/=1, ... [<Г-1)/2] |
|
Интересно отметить, что максимальное значение R2U(v) по всем действительным значениям v (0 < v ^ я) стохастически подобно максимальному значению /?* (v), взятому по множеству v = 2л,}/Т, / = 1, .... [ ( Г - 1)/2 ].
4.5. ОБСУЖДЕНИЕ
1 Функции тренда, имеющие периодический характер, сущест венно используются во многих областях: экономике, метеорологии, связи, астрономии и др. Часто эти периодические функции явля ются тригонометрическими или могут быть выражены в виде ли нейной комбинации последних. В настоящей главе были рассмотре ны некоторые проблемы статистических выводов относительно таких функций тренда.
Наблюдаемый временной ряд описывается и анализируется с помощью линейных комбинаций, коэффициентами в которых служат тригонометрические функции времени, т. е. выборочные тригонометрические коэффициенты A (v) и В (v). Как мы увидим
вгл. 8 , эти коэффициенты используются в спектральном анализе ковариационной структуры стационарных процессов.
Основным практическим недостатком процедур, рассмотренных
внастоящей главе, является то, что они предполагают некоррелированость случайных членов и постоянство их дисперсий. В боль шинстве приложений, однако, от временного параметра зависит структура как систематической, так и случайной составляющей. Другим недостатком является то, что методы, которые можно математически строго обосновать, являются ограниченными и не применимы ко всему кругу практических задач.
Интересным, по крайней мере с исторической точки зрения, является ряд Бевериджа цен на пшеницу в Западной и Централь ной Европе с 1500 по 1869 г. Индекс составлен на основе цен, имев шихся приблизительно в 50 пунктах различных стран. Беверидж (1921) приводит этот индекс (подобранный так, что среднее за период 1700—1745 гг. равно 100), но использует для анализа ряд процент
ных отношений индексов данного года к среднему за период в 31 год, для которого данный год является серединой. Этот послед
ний ряд, |
который считается свободным от тренда, приведен в |
|
табл. А. 1.1 |
приложения |
А. 1. Позднее Беверидж (1922) дал перио |
дограмму, |
вычисленную |
с использованием NR2 (2лk/N)/300, где |
184 |
ЦИКЛИЧЕСКИЕ ТРЕНДЫ |
Гл. 4. |
N — целое, не превосходящее 356, a k/N выбирается так, чтобы получить большое количество частот. Последовательность данных начиналась с 1545 г. Соответствующие результаты приведены в табл. А. 1.3 приложения А.1. Беверидж обнаружил 19 периодов, заслуживающих дальнейшего анализа. Сам по себе этот анализ достаточно интересен. Однако исходная модель кажется здесь неуместной, потому что трудно оправдать лежащую в ее основе идею о том, что циклический тренд состоит из многих тригономет рических составляющих, которые остаются неизменными в течение более чем 300 лет. Как мы увидим позднее, более подходящей пред ставляется модель стационарного процесса. При этом основой соответствующей статистической обработки является спектрограм ма.
ЛИТЕРАТУРА
§4.2. Уиттекер и Ватсон (1943).
§4.3. Т. Андерсон (1958), Бирнбаум (1959), (1961), Бьюис-Б аллот (1847), Де партамент сельского хозяйства США (1939), Дэвис (1941), Ирвин (1955), Карлин
и Труакс (1960), Кендалл (1946b), Кудо (I960), Кули, Льюис и Уэлш (1967). Кули и Тьюки (1965), Леман (1957), Рунге (1903), Шустер (1898), Шеффе (1970). Стивенс
(1939) , Уиттл (1951), (1952), Дж. Т. Уолкер (1914), Феллер (1968), Фишер (1929),
(1940) |
. |
|
|
|
|
|
|
А. Уолкер (1965), |
(1968)* |
|
|
|
§ 4.4. М. Рао (1960, Уиттл (1952), (1959), |
|
|||||||||
|
§ 4.5. Беверидж (1921), (1922). |
|
|
|
|
|
|||||
УПРАЖНЕНИЯ |
|
|
|
|
|
|
|
||||
(a) |
1. |
(Разд. 4.2.1) |
Используя равенство |
= c o sX + /sin X , |
докажите, |
что |
|||||
cos (а — |
|
b) = |
cos a cos b + |
sin a sin*b, |
|
|
|||||
(B) |
cos (а + |
|
Ь) — |
cos a cos Ъ— sin a sinbt |
|
|
|||||
(c) |
sin (а + |
b) — sin a cos b + cos a sin |
bt |
|
|
|
|||||
(d) |
sin (a — b) = |
sin a cos b — cos a sin |
b. |
|
|
|
|||||
|
2. |
(Разд. 4.2.1) Убедитесь в справедливости соотношений |
|
|
|||||||
(a) |
cos a cos b == ~ |
cos (а — b) + |
-i- cos (а + |
b), |
|
|
|||||
(b) |
cos* а = |
J |
+ |
- J cos (2а)> |
|
|
|
|
|
||
(c) |
sin a sin b = |
~ |
cos (а — Ь) — |
~ cos (а + |
b)t |
|
|
||||
(d) |
sin*1243а = |
у |
— ^ |
cos (2а), |
|
|
|
|
|
||
(e) |
sin а cos b = |
~ |
sin (а + b) + |
sin (а — Ь). |
|
|
|||||
|
3. |
(Разд. 4.2.1) Докажите соотношение (11). |
|
|
|||||||
|
4. |
(Разд. 4.2.2) Выпишите матрицу М для Т = 4 в числах (используя |
). |
Постройте графики соответствующих четырех функций.
УПРАЖНЕНИЯ |
185 |
5.(Разд.4.2.2) Выпишите матрицу М для Т == 6 в числах. Постройте графики соответствующих шести функций.
6.(Разд. 4.2.2) Пусть матрица N~ {et2nnst/Tl V Т), а М определяется соотношения
ми (14) и (21). Найдите матрицу Р, такую, что N = МР. Покажите, что NN' = I.
7.(Разд. 4.2.3) Приведите все 12 функций, необходимых для представления периодической последовательности с периодом 12.
8.(Разд. 4.2.4) Докажите соотношения (36) — (39) методом, используемым
в(40).
9.(Разд. 4.2.4) Докажите соотношения (35) — (39) по аналогии с доказатель ством (8).
10.(Разд. 4.3.3) Проверьте, что распределение величины (27) действительно имеет вид (28).
И. (Разд. 4.3.3) Покажите, что преобразование (29) индуцирует преобразо вание оценок, описанное в предыдущем предложении.
12. (Разд. 4.3.3) Покажите, что (29) эквивалентно |
|
|
|
|||||||||
. |
= kyt + |
|
|
4 |
/ |
2nkt |
dt sin |
|
- t \ |
+ |
|
|
/ |
Со + |
|
Cl COS - у - |
- 1+ |
- 2 l ~ |
|
||||||
У |
/21 \ |
|
|
|
|
|
|
|
||||
|
|
|
|
1=1 |
4 |
|
|
|
|
|
|
|
|
. |
4 |
. |
1 |
т |
г2nki |
|
л |
1 |
‘ |
|
|
|
+ |
— |
м“ -2 - о 2 sin |
T |
(s |
0 |
’ ”2“ ® fys + cT/2 |
1)*» |
||||
|
|
|
|
|
s=l |
l |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
/ = 1, . . |
Т |
13. (Разд. 4.3.3) Покажите, что критерий F > F2T_ p (8) является равномер
но наиболее мощным для проверки гипотезы Н: р (kj) = 0 среди критериев, мощ ность которых зависит только от ра (fy)/a2.
14. (Разд. 4.3.3) При уровне значимости е укажите /-критерии для проверки нулевой гипотезы a 0 = aj, где aj — заданное число, против альтернатив (а) а 0 >
> aj, (Ъ) а 0 < aQи (с) а 0 Ф aQ.
|
15. |
(Разд. 4.3.3) При уровне значимости е укажите /-критерии для проверки |
|||
нулевой |
гипотезы |
a г/2 = |
0 против альтернатив (а) a Tj2 > О, (b) а т/2 < 0 |
и |
|
(с) |
а Т/2 Ф 0. |
|
|
|
|
|
16. |
(Разд. 4.3.3) Найдите группу преобразований, относительно которой ста |
|||
тистики |
(30) (или (36)) и у |
являлись бы максимальными инвариантами, оставляю |
|||
щую инвариантной задачу проверки гипотез по значениям статистики (30). |
|
||||
|
17. |
(Разд. 4.3.3) Выразите a (kh) и 0 {kh) в (31) в виде сумм, содержащих зна |
|||
чения f (/) при / = |
1, ..., |
Т =* /ш, и в виде сумм, содержащих значения / (/) при |
|||
/ = |
1, ..., п. |
|
|
|
18.(Разд. 4.3.3) Докажите, что статистики (30) и (36) совпадают.
19.(Разд. 4.3.3) Докажите, что величины (31) и (37) совпадают.
20.(Разд. 4.3.3) Покажите, что граничные точки интервалов (42) и (43) с за меной Flt т__р (е) на 2F2> т^ р (е) являются тангенсами углов наклонов прямых,
проходящих через начало координат и касающихся круга (38).
21. (Разд. |
4.3.3) Докажите, что математическое ожидание величины |
a {kj) cos ф + |
b {kj) sin ф равно р {kj) cos [ф —* 0 (£/)]. |
186 |
|
ЦИКЛИЧЕСКИЕ ТРЕНДЫ |
|
|
Г л . 4 . |
|||
22. |
(Разд. |
4.3.3) Найдите |
двусторонний |
доверительный |
интервал |
для |
||
р (kj) cos [<р' — 0 (kj)] с уровнем доверия 1 — г при неизвестном а2. |
|
|
||||||
23. |
(Разд. 4.3.3) Покажите, |
что величины Y Т [я0 — а 0], У Т [ а Т/2 — а г/2], |
||||||
У т [a (kj) - |
а (*,)], у т [Ь (kj) - Р (kj)], / = |
1. .... |
<7, имеют |
в |
пределе |
при |
||
Т -у оо |
совместное нормальное |
распределение, |
если |
величины |
t/f |
независимы, |
||
имеют дисперсии а2 и равномерно ограниченные моменты порядка 2 + 8 для |
не |
|||||||
которого 8 > |
0. (Указание. Использовать следствие 2.6.2.) |
|
|
|
||||
24. |
(Разд. 4.3.4) Докажите эквивалентность выражений для k (г | т2) в первых |
двух строчках соотношения (49), используя формулу удвоения для гамма-функции
/ я г (2Р + 1) = 2 » г|р + - i j Г (Р + 1).
25. (Разд. 4.3.4) Докажите, что нецентральное ЭС2-распределение с 2 степенями свободы (плотность которого приведена в (49)) является ограниченно полным, т. е. если
со
\ В У) k (г | т2) dz = 0
6
тождественно относительно т2 > 0, то g (г) = 0 почти всюду (г > 0) для каждой ограниченной функции g (г). (Указание. Записанное выше тождество можно пере писать в виде
|
0 = 2 |
cv (t2)V i е г/28 (г) *v<fe- |
|
|
|
|
||||
|
|
V=0 |
|
g |
|
|
|
|
|
|
где су > |
0.) |
|
|
|
|
|
|
|
|
|
26. |
(Разд. 4.3.4) |
Докажите, что |
произведение q — 1 |
нецентральных ^-рас |
||||||
пределений, каждое из которых имеет 2 степени свободы, является ограниченно |
||||||||||
полным. |
|
|
|
|
|
|
|
|
|
|
27. |
(Разд. 4.3.4) |
Пусть хи |
х2, |
(xi + х* + |
хз = |
1, |
Х( > 0) — барицентри |
|||
ческие координаты (расстояния точки от сторон равностороннего треугольника с |
||||||||||
высотой 1). (а) Постройте на чертеже области, в которых щах */ > |
g, i |
< g < |
-L |
|||||||
|
|
|
|
|
|
|
|
о |
|
Z |
и -g- < |
1. (b) Постройте на чертеже области, в которых вторая по величине |
|||||||||
координата * / > g , |
|
|
|
|
|
|
|
|
|
|
28. |
(Разд. 4.3.4) Пусть xi, х2, хз (xi + х2 + |
хз =• |
1, xi |
> 0) — барицентриче |
||||||
ские координаты. Дайте графическое представление областей R0t JRI , Rt , Rst |
||||||||||
/?12* Ri3, R23* определяемых соотношениями |
|
|
|
|
|
|||||
(i) |
R Q: |
|
|
|
|
|
|
|
/ = 1 , 2 , 3 , |
|
(П) |
R t |
xi > |
g, |
Xj < |
g*xkt |
|
|
г ф |
j ф к ф |
t, |
(Ш) |
Rifi |
xt > |
g , |
Xj > |
g*xk, |
|
|
i |
/ Ф Ь ф |
i, |
вкоторых g* > 1 и g >
29.(Разд. 4.4.1) Докажите лемму 4.4.1.
30.(Разд. 4.4.1) Проверьте соотношение (23),
УПРАЖНЕНИЯ |
187 |
31.(Разд. 4.4.1) Проверьте соотношение (24).
32.(Разд. 4.4.1) Проверьте соотношение (30).
33.(Разд. 4.4.2) Покажите, что
|
4р2 s i n 2 JLX T |
|
|
|
|
|
2 a g + 2af./2 ---------'f*sin*X----- |
{1 + |
cos Xcos [X (T + |
1) — 20]}. |
|||
34. (Разд. 4.4.2) Покажите, |
что для X = |
2л (k + |
е)/Т |
|
||
«п = |
k -f- 8 • COS |
^Я8+ Л Щ Л --0j - |
|
|||
|
р sin яе |
/ |
к + |
8 |
|
|
Т sin я |
|
|
|
|
|
|
|
1 —- |
|
|
|
|
|
~ Р ' k |
8 |
(к + |
г)'т cos (яе + |
л ~ - у |
Ъ-------б) . |
1т*
35.(Разд. 4.4.2) Покажите, что для X = 2я (k + е)/Т
Г4 |
р sin яе |
\_____________ |
Г cos я к + е
Pin• |
I/(ГГО - I1- *т ^ + |
8 |
л\ |
|
. |
, |
k |
|
|
sin / Я8 + |
____ |
8 |
|
|
я ----------- — 01 |
|
|
|
|
Р |
/ |
|
Я282 |
\ |
. |
/ |
|
|
к + |
8 |
\ |
|
|
|
------- _ |
яе ^1-------— |
I sin I яе + |
я — ----------01, |
|||||||||||
36. |
(Разд. 4.4.3) |
Покажите, |
что |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
я / |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
sin — |
v cos------ |
|
/1 |
|
я/ |
\ |
|
/1 |
|
|
я/ |
\ |
= |
4 |
2_______ Т |
|||
|
|
|
|
|
2л i |
|||||||||||
sin |
V + |
|
|
|
|
|
||||||||||
— |
— - |
|
sin |
— |
V -------— |
|
|
co s--------------- cosv |
||||||||
|
\ 2 |
~ |
Т |
) |
|
|
\ |
2 |
|
|
Т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
. я/ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
cos — |
v sin ------ |
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
4 |
2 |
T |
|
|
|
|
|
|
|
|
|
|
|
|
|
2я/ |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
sin("i~v |
F") |
|
sin ( 4 “v + |
Т ~ ) |
|
|
cos |
»COS V |
||||||||
|
|
|
|
|
||||||||||||
37. |
(Разд. 4.4.3) |
Покажите, |
что для |
Т = 2Я + |
1 |
|
|
|
||||||||
|
|
1 |
|
1 |
vT |
|
|
|
|
|
|
n |
|
Cf cos nl |
||
|
|
sin — |
v sin — |
|
|
|
|
|
|
|
||||||
C ( v ) : |
|
2 |
|
|
2 |
|
|
|
|
У |
|
+ |
|
|
|
|
|
|
|
|
|
|
|
1 — COS V |
___ |
2я/ |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
S |
|
cos — |
-------- cos v |
|
|
|
|
|
|
|
|
|
|
|
|
|
“Р Г |
|||
|
|
|
1 |
|
. 1 |
_ |
|
J* |
|
|
|
Щ |
|
|
|
|
|
|
COS — |
v sin — |
vT |
|
|
|
d: sin — - |
|
|
|
|||||
P (v) = 4 |
2 |
|
2 |
|
|
1П |
|
1 |
T |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
2лj |
|
|
|
|
||
|
|
|
|
|
|
|
|
jZ l |
|
cos |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
-------cos v |
|
188 |
ЦИКЛИЧЕСКИЕ ТРЕНДЫ |
Г л . 4. |
38.
ф 2 (у) dv
(Разд. 4.4.3) Покажите, что для К = cos [к (Т + 1) — 2б1
р2 |
I |
Т |
s\n(k + |
v )T |
Г2 |
| |
2 |
1 |
(А, + v) |
|
[ |
|
sin2 — |
sin2 -i- (к + v) T cos -i- (к + v)
|
sinS |
|
|
|
sin2 — (A,— v) T cos |
|
(A — v) |
||
|
sin3 - i - (A, — v) |
|
||
+ KT ■ |
sin vT |
|
|
|
i " |
i |
I |
||
|
||||
|
sin — Ik + v) sin — (A, — v) |
|||
sin — (k + v ) T sin — |
(A — v) T sin v |
|||
-Я - |
|
|
|
sin (A, — v) T sin2 -^ -(A ,— v)
, v Ф к, 0 < v < я.
|
|
sin2 — (A, + |
v) sin2 — (k — v) |
|
39. |
(Разд. 4.4.3) |
Покажите, |
что для производной ф 2 (v)/dv, определенной в |
|
упр. |
(38), |
|
|
|
|
ф 2 (v) |
9 Т cos кТ s i n k s i n k Т cos к |
I sin кТ , |
|
|
v< t a - * r - = e2 ------------- |
7Ш 1 ------------- |
(Т Ж Г + #С)- |
40.(Разд. 4.4.3) Запишите уравнение dQ (k*)/dk* — 0 в развернутом виде.
41.(Разд. 4.4.4) Докажите, что (86) вытекает из соотношения (57) § 4.3.
Глава 5
ЛИНЕЙНЫЕ ВЕРОЯТНОСТНЫЕ
МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ
ПАРАМЕТРОВ
5.1. ВВЕДЕНИЕ
Обратимся теперь к моделям образования временных рядов, в которых характеристические и наиболее существенные свойства временной последовательности не сводятся к детерминированной функции среднего значения, а заключены в самой вероятностной структуре. В этом случае, например, уже не будет регулярных периодических циклов, а будут более или менее нерегулярные случайные изменения с теми или иными статистическими свойст вами вариабельности. Такие модели обычно называют случайными процессами. Процессы, вероятностная структура которых не изме няется со временем, называются стационарными. (Более полно стационарные случайные процессы рассматриваются в гл. 7). В этой книге мы в основном изучаем процессы, которые или стацио нарны (близки к стационарным), или же таковы, что по крайней мере их случайная составляющая может приближенно считаться стационарной (в отличие от детерминированным образом меняю щейся функции среднего значения).
Одной из наиболее простых и, по-видимому, наиболее часто используемой моделью такого рода является процесс авторегрессии,
или стохастическое разностное уравнение. О последовательности случайных величин уъ у2, ... говорят, что она удовлетворяет сто хастическому разностному уравнению, если существует такая линейная комбинация
(1) yt + P i^ - i + • • • + РpVt-p ~ щ, t — Р + 1, • • •.
что последовательность ир+1, ир+2, ... является последовательно стью независимых и одинаково распределенных случайных вели чин. (При этом мы часто будем предполагать 8 ut — 0.) Это опре деление удобно распространить на бесконечные в обе стороны
190 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Г л . 5. |
|||||
последовательности |
у-и |
У0>Уи •••> |
связанные |
с бесконечной |
|||
в обе стороны последовательностью ..., и_1, uq, |
иъ ... . |
Такие |
|||||
процессы также называются процессами авторегрессии. |
&yt — |
||||||
|
Используя |
оператор |
(действующий по правилу |
||||
= yt+1), соотношение (1) можно представить в виде |
|
|
|||||
(2 ) |
|
(&Р+ |
|
' + • • • + Рр) yt—p — Щ- |
|
|
|
Поскольку |
— Д + |
1, то оператор, |
применяемый |
в (2) |
к yt~P, |
можно записать иначе как полином степени р от Д, так что левая часть (1) будет линейной комбинацией величин yt- P, &yt-P, •••
ДPyt-P. Поэтому при рр Ф 0 соотношение (1) называется сто хастическим разностным уравнением порядка р. О соответствующем процессе говорят как о процессе авторегрессии порядка р. Разност ный оператор Д обсуждался ранее в § 3.4.
Стохастическое разностное уравнение (1) можно представлять и иначе. Если случайная величина ut не зависит от yt~i, yt-2, ....
то условное распределение случайной величины yt при заданных
значениях yt—\, |
yt-2, ... совпадает с |
распределением величины |
||
щ — (Pi^<-i + |
... + РР yt-p). Поэтому |
совместное |
распределение |
|
случайных величин yt, yt-i, |
y i ( t > p ) можно |
получить, зная |
||
распределение щ и совместное |
распределение величин yt- 1,§... |
...,уг. Если задать распределение случайной величины ut (одинаковое для всех /) и совместное распределение любых р последовательных величин yt, то последовательным применением указанной процеду ры можно получить совместное распределение для ys, s < t, и любого числа последующих yt. В следующем параграфе мы полу чим условия, при которых процесс, определяемый таким спосо бом, будет стационарным (и при которых щ не будет зависеть от
Уг-1, yt-2, ...)•
Приведенная модель полезна тем, что с ее помощью можно получить весьма обширный класс процессов. Влияние тренда легко
учесть, добавляя в левую часть соотношения (1) слагаемое
i
в котором zit— известные величины (функции времени). Мы изу чим некоторые свойства подобных моделей в § 5.2.
Многие задачи статистического вывода связаны с конечным числом параметров р1( ..., рр и дисперсией случайной величины щ. Они могут состоять, например, в оценке указанных параметров и проверке гипотез относительно значений последних. При боль шой длине наблюдаемого ряда эти задачи могут быть рассмотрены в асимптотическом плане в соответствии с теорией наименьших квадратов, обзор которой был сделан в гл. 2. Теория сериальной корреляции для малых выборок рассматривается в гл. 6 .
Другой простой моделью стационарного процесса является
скользящее |
среднее |
(3) |
у( == a0v( + а 1у<_ 1 + ... + a„vt- q. |
5 .2 . |
ПРОЦЕССЫ АВТОРЕГРЕССИИ |
191 |
|
Здесь |
vt — независимые одинаково |
распределенные |
случайные |
величины. Эту модель можно объединить с моделью, |
рассматри |
||
вавшейся ранее, приравнивая левую |
часть соотношения (1) пра |
вой части соотношения (3). Иными словами, возмущающий фактор в уравнении (1) будет при этом скользящим средним, определяемым правой частью (3). Каждую из описанных моделей можно модифи цировать. Для этого предположим, например, что наблюдаемый процесс складывается из процесса, порождаемого одной из этих моделей, и независимой случайной «ошибки». Тогда члены наблю
даемой последовательности |
[xt] имеют |
вид xt — yt + wt, где |
{о>(} — последовательность |
независимых |
одинаково распределен |
ных случайных величин. Статистические выводы во всех получае мых таким образом моделях сложнее (даже в асимптотическом плане), чем в случае процесса авторегрессии.
Если все совместные распределения нормальны, то совместное нормальное распределение случайных величин yt полностью опре деляется заданием их средних, дисперсий и ковариаций. Если процесс к тому же стационарный, то эти распределения будут полностью определяться заданием среднего и дисперсии случай ной величины ut и коэффициентами Р, в случае (1), среднего и дис персии случайной величины vt и коэффициентами щ в случае (3),
среднего и дисперсии |
случайной величины vt и коэффициентами |
а / и р, (i = 0 , ..., р, |
/ = 1, ...» q) в комбинированной модели. |
Если введенным выше определениям удовлетворяют лишь первые и вторые моменты, то иногда говорят, что эти определения выпол няются в широком смысле. Например, говорят, что последователь ность {yt) удовлетворяет стохастическому разностному уравнению в широком смысле, если величины щ, определяемые соотношением
(1), таковы, что %ut = О, <Su2 = а 2, И utus = |
0 , |
t Ф s. Подобным |
||
же |
образом можно говорить о моделях |
скользящего среднего и |
||
о |
комбинированных моделях, определенных |
в |
широком смысле |
|
с помощью величин vt. |
процесс |
авторегрессии для |
||
|
Юл (1927) предложил использовать |
анализа временных рядов и применил его к данным о числе солнеч ных пятен. Дж. Уолкер (1931) построил соответствующую теорию
иприменил ее к анализу атмосферных явлений,
5.2.ПРОЦЕССЫ АВТОРЕГРЕССИИ
5.2.1.Представление временного ряда
спомощью бесконечного скользящего среднего
Во введении к этой главе было показано, каким образом по совместному распределению некоторых р последовательных вели чин yt и по распределению (независимо и одинаково распределен
192 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Гл. 5. |
||
ных) |
ut в совокупности |
с соотношением |
|
|
(1) |
2 |
г ~ |
Ро= 1» |
|
|
г = 0 |
|
|
|
можно определить совместное распределение последующих слу чайных величин yt. Покажем теперь, что каждую случайную вели чину yt можно выразить в виде линейной комбинации р предшест вующих ей случайных величин уг и иг. При выполнении формулируе мых ниже условий каждую случайную величину yt можно представить в виде бесконечной линейной комбинации случайной величины щ и ей предшествующих случайных величин иг.
Наиболее простым случаем является уравнение первого порядка
(2 ) |
yt — pijt—i + щ. |
Если вместо yt~\ |
в это уравнение подставить его выражение yt-i — |
— pyt- 2 + |
Щ- 1 (получаемое из (2 )' заменой t на t — 1), то (2 ) при |
мет вид |
|
(3) |
«/, = « ,+ pUt-i + p 2y t - 2 . |
Действуя далее подобным же образом, можно прийти к соотношению
(4) yt = и, + ры, _ 1 + ... + p*ut- s -f ps+ '^ _ (s+i), так что
( 5 ) |
yt — ( и, + put-1 + . . . |
+ P SM , - s) = P S + 1 ^ - ( S + 1 ) - |
||
Если |
{yt} — бесконечный |
в обе |
стороны по t стационарный про |
|
цесс, |
то эта |
разность при |
| р | < |
1 с ростом s становится малой. |
В частности |
(если существуют вторые моменты), |
(6)%[yt— (Ut + put-i + . . . + ps«/_s)l2 = p2(s+i)&yt-(s+l)
не зависит от t и с ростом s стремится к нулю. В связи с этим yt здесь записывают в виде
(7) |
yt = 2 ргщ- г |
|
г—О |
и говорят, |
что ряд в правой части сходится к у{ в среднем (или |
в среднеквадратичном). (Сходимость в среднем обсуждается в разд. 7.6.1.)
Вернемся теперь к общему случаю. Запишем соотношение (1)
для моментов t u t — 1 в виде |
|
|
|
|
(8 ) |
Pt — ut |
i |
... |
РрУ1~р> |