版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、第 7 頁 共 7 頁時間序列分析試卷1一、 填空題(每小題2分,共計20分)1. ARMA(p, q)模型_,其中模型參數(shù)為_。2. 設(shè)時間序列,則其一階差分為_。3. 設(shè)ARMA (2, 1):則所對應(yīng)的特征方程為_。4. 對于一階自回歸模型AR(1): ,其特征根為_,平穩(wěn)域是_。5. 設(shè)ARMA(2, 1):,當a滿足_時,模型平穩(wěn)。6. 對于一階自回歸模型MA(1): ,其自相關(guān)函數(shù)為_。7. 對于二階自回歸模型AR(2):則模型所滿足的Yule-Walker方程是_。8. 設(shè)時間序列為來自ARMA(p,q)模型:則預(yù)測方差為_。9. 對于時間序列,如果_,則。 10. 設(shè)時間序列為
2、來自GARCH(p,q)模型,則其模型結(jié)構(gòu)可寫為_。得分二、 (10分)設(shè)時間序列來自過程,滿足 , 其中是白噪聲序列,并且。(1) 判斷模型的平穩(wěn)性。(5分)(2) 利用遞推法計算前三個格林函數(shù) 。(5分)得分三、 (20分)某國1961年1月2002年8月的1619歲失業(yè)女性的月度數(shù)據(jù)經(jīng)過一階差分后平穩(wěn)(N500),經(jīng)過計算樣本其樣本自相關(guān)系數(shù)及樣本偏相關(guān)系數(shù)的前10個數(shù)值如下表k12345678910-0.470.06-0.070.040.000.04-0.040.06-0.050.01-0.47-0.21-0.18-0.10-0.050.02-0.01-0.060.010.00求(1)
3、 利用所學(xué)知識,對所屬的模型進行初步的模型識別。(10分)(2) 對所識別的模型參數(shù)和白噪聲方差給出其矩估計。(10分)得分四、 (20分)設(shè)服從ARMA(1, 1)模型:其中。(1) 給出未來3期的預(yù)測值;(10分)(2) 給出未來3期的預(yù)測值的95%的預(yù)測區(qū)間()。(10分)得分五、 (10分)設(shè)時間序列服從AR(1)模型:,其中為白噪聲序列,為來自上述模型的樣本觀測值,試求模型參數(shù)的極大似然估計。得分六、 (20分)證明下列兩題:(1) 設(shè)時間序列來自過程,滿足 , 其中, 證明其自相關(guān)系數(shù)為(10分)(2) 若,且和不相關(guān),即。試證明對于任意非零實數(shù)與,有。(10分)時間序列分析試卷2
4、七、 填空題(每小題2分,共計20分)1. 設(shè)時間序列,當_序列為嚴平穩(wěn)。2. AR(p)模型為_,其中自回歸參數(shù)為_。3. ARMA(p,q)模型_,其中模型參數(shù)為_。4. 設(shè)時間序列,則其一階差分為_。5. 一階自回歸模型AR(1)所對應(yīng)的特征方程為_。6. 對于一階自回歸模型AR(1),其特征根為_,平穩(wěn)域是_。7. 對于一階自回歸模型MA(1),其自相關(guān)函數(shù)為_。8. 對于二階自回歸模型AR(2):,其模型所滿足的Yule-Walker方程是_。9. 設(shè)時間序列為來自ARMA(p,q)模型:,則預(yù)測方差為_。 10. 設(shè)時間序列為來自GARCH(p, q)模型,則其模型結(jié)構(gòu)可寫為_。得
5、分八、 (20分)設(shè)是二階移動平均模型MA(2),即滿足 ,其中是白噪聲序列,并且(1) 當=0.8時,試求的自協(xié)方差函數(shù)和自相關(guān)函數(shù)。(2) 當=0.8時,計算樣本均值的方差。得分九、 (20分)設(shè)的長度為10的樣本值為0.8,0.2,0.9,0.74,0.82,0.92,0.78,0.86,0.72,0.84,試求(1) 樣本均值。(2) 樣本的自協(xié)方差函數(shù)值和自相關(guān)函數(shù)值。(3) 對AR(2)模型參數(shù)給出其矩估計,并且寫出模型的表達式。得分十、 (20分)設(shè)服從ARMA(1, 1)模型:其中。(1) 給出未來3期的預(yù)測值;(2) 給出未來3期的預(yù)測值的95%的預(yù)測區(qū)間。得分十一、 (20
6、分)設(shè)平穩(wěn)時間序列服從AR(1)模型:,其中為白噪聲,證明:時間序列分析試卷3十二、 單項選擇題(每小題4分,共計20分)11. 的d階差分為(a) (b)(c) (d)12. 記B是延遲算子,則下列錯誤的是(a) (b)(c) (d)13. 關(guān)于差分方程,其通解形式為(a) (b)(c) (d)14. 下列哪些不是MA模型的統(tǒng)計性質(zhì)(a) (b)(c) (d)15. 上面左圖為自相關(guān)系數(shù),右圖為偏自相關(guān)系數(shù),由此給出初步的模型識別(a)MA(1) (b)ARMA(1, 1)(c)AR(2) (d)ARMA(2, 1)得分十三、 填空題(每小題2分,共計20分) 1. 在下列表中填上選擇的的模
7、型類別2. 時間序列模型建立后,將要對模型進行顯著性檢驗,那么檢驗的對象為_,檢驗的假設(shè)是_。3. 時間序列模型參數(shù)的顯著性檢驗的目的是_。4. 根據(jù)下表,利用AIC和BIC準則評判兩個模型的相對優(yōu)劣,你認為_模型優(yōu)于_模型。5. 時間序列預(yù)處理常進行兩種檢驗,即為_檢驗和_檢驗。得分十四、 (10分)設(shè)為正態(tài)白噪聲序列,時間序列來自問模型是否平穩(wěn)?為什么?得分十五、 (20分)設(shè)服從ARMA(1, 1)模型:其中。(3) 給出未來3期的預(yù)測值;(10分)(4) 給出未來3期的預(yù)測值的95%的預(yù)測區(qū)間()。(10分)得分十六、 (20分)下列樣本的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)是基于零均值的平穩(wěn)序列樣本量為500計算得到的(樣本方差為2.997)ACF: 0:340; 0:321; 0:370; 0:106; 0:139; 0:171; 0:081; 0:049; 0:124; 0:088; 0:009; 0:077PACF: 0:340; 0:494; 0:058; 0:086; 0:040; 0:008; 0:063; 0:025; 0:030; 0
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 制造業(yè)務(wù)員工作總結(jié)
- 酒店管理崗位考核
- 美容行業(yè)前臺接待工作總結(jié)
- 教師團隊專業(yè)培訓(xùn)
- 廚具行業(yè)采購工作總結(jié)
- 2024年設(shè)備監(jiān)理師考試題庫帶答案
- 2024年熱的傳遞教案設(shè)計
- 創(chuàng)意市集活動贊助合同(2篇)
- DB33T 2111-2018 福利彩票視頻型彩票銷售管理規(guī)范
- 安徽省阜陽市阜南縣2025屆中考三模生物試題含解析
- 廣東省廣州市花都區(qū)2024年七年級上學(xué)期期末數(shù)學(xué)試題【附答案】
- 期末測試模擬練習(xí) (含答案) 江蘇省蘇州市2024-2025學(xué)年統(tǒng)編版語文七年級上冊
- 上海市徐匯區(qū)2024-2025學(xué)年高一語文下學(xué)期期末試題含解析
- 安全風(fēng)險隱患舉報獎勵制度
- 江蘇省蘇州市2023-2024學(xué)年高三上學(xué)期期末考試 數(shù)學(xué) 含答案
- 線性代數(shù)知到智慧樹章節(jié)測試課后答案2024年秋貴州理工學(xué)院
- 建筑幕墻工程檢測知識考試題庫500題(含答案)
- 安防主管崗位招聘面試題及回答建議(某大型集團公司)2025年
- 消防疏散演練宣傳
- 2023-2024學(xué)年廣東省廣州市越秀區(qū)九年級(上)期末語文試卷
- 五年級數(shù)學(xué)下冊 課前預(yù)習(xí)單(人教版)
評論
0/150
提交評論