生物醫(yī)學(xué)數(shù)據(jù)分析及其matlab實(shí)現(xiàn)源碼與12時(shí)間序列分析1

第5章時(shí)間序列分析第5章時(shí)間序列分析第5章時(shí)間序列分析Whatis第5章時(shí)間序列分析Whatistimeseriesanalysis?Whytodo？Howtodo?日行跡第5章時(shí)間序列分析時(shí)間序列時(shí)間序列的概念時(shí)間序列的表示時(shí)間序列分析時(shí)間序列的分類時(shí)間序列的組第5章時(shí)間序列分析時(shí)間序列時(shí)間序列的概念時(shí)間序列的表示時(shí)間序列分析時(shí)間序列的分類時(shí)間序列的組分時(shí)間序列分析方法時(shí)間序列分析的基本思想確定型時(shí)間序列的分析方法隨機(jī)型時(shí)間序列的分析方法時(shí)間序列分析示例時(shí)間序列時(shí)間序列(Time時(shí)間序列時(shí)間序列(TimeSeries)一個(gè)時(shí)間序列。在生物醫(yī)學(xué)領(lǐng)域也存在著大量的時(shí)間序列，人體餐后血糖濃度的變化不同睡眠階段的腦電波形等都是時(shí)間序列。。。。。。絕大多數(shù)情況下時(shí)間序列被看作為隨機(jī)序列。時(shí)間序列等間隔序列非等間隔序列X時(shí)間序列等間隔序列非等間隔序列X{x(T),x(2T),L,x(kT)}{x[n]}對于確定性系統(tǒng)，時(shí)間序列是以時(shí)間為自變量的因變量。對于隨機(jī)性系統(tǒng)，隨機(jī)序列是按時(shí)間順序排列的一組隨量。是隨機(jī)序列的一個(gè)實(shí)現(xiàn)。時(shí)間序列對時(shí)間序列進(jìn)行觀察、研究，從中提取有意義和有用的信息，時(shí)間序列對時(shí)間序列進(jìn)行觀察、研究，從中提取有意義和有用的信息，預(yù)測未來的走勢就是時(shí)間序列分析。來看待。時(shí)間序列數(shù)據(jù)是有序結(jié)構(gòu)，這種有序性是由與此指標(biāo)有關(guān)的所在。時(shí)間序列時(shí)間序列分析的實(shí)現(xiàn)是通過對觀察值序列的性質(zhì)進(jìn)行推斷，即通過對歷史觀察值的分析而得出未來觀察值的值。cool!Whatwill時(shí)間序列時(shí)間序列分析的實(shí)現(xiàn)是通過對觀察值序列的性質(zhì)進(jìn)行推斷，即通過對歷史觀察值的分析而得出未來觀察值的值。cool!Whatwillbenext?汽車發(fā)展的時(shí)間序列時(shí)間序列(1)(2)(3)時(shí)間序列(1)(2)(3)時(shí)間序列按照事物內(nèi)在動(dòng)態(tài)系統(tǒng)是否存在隨機(jī)性：確定性序列和隨機(jī)性序列時(shí)間序列按照事物內(nèi)在動(dòng)態(tài)系統(tǒng)是否存在隨機(jī)性：確定性序列和隨機(jī)性序列連續(xù)型序列和離散型序列周期性序列和非周期性序列按照事物內(nèi)在動(dòng)態(tài)系統(tǒng)是否線性：線性時(shí)間序列和非線性時(shí)間序列時(shí)間序列)時(shí)間序列)[n)mL平穩(wěn)性要求：(1)(2)(3)均值是與時(shí)間t無關(guān)的常數(shù)。方差是與時(shí)間t無關(guān)的常數(shù)。自相關(guān)函數(shù)只與時(shí)期間隔m有關(guān)，與時(shí)間t無關(guān)。隨機(jī)過程的樣本在進(jìn)行更進(jìn)一步的時(shí)間序列分析之前，對隨機(jī)序列的特征分類判斷非常重要。因?yàn)檫@涉及到是否選用了正確的分析方法、是否能得到可靠合理的分析結(jié)論。時(shí)間序列NoisyTrendingMeanderingPeriodic/CyclicQuasiperiodicInteger-Valued時(shí)間序列NoisyTrendingMeanderingPeriodic/CyclicQuasiperiodicInteger-Valued時(shí)間序列(1)長期趨勢(T)指時(shí)間序列隨時(shí)間的變化而逐漸增加或減少的長期變化趨勢。(2)季節(jié)變動(dòng)(S)時(shí)間序列(1)長期趨勢(T)指時(shí)間序列隨時(shí)間的變化而逐漸增加或減少的長期變化趨勢。(2)季節(jié)變動(dòng)(S)動(dòng)。循環(huán)變動(dòng)(C)指沿著趨勢線如鐘擺般地循環(huán)變動(dòng)，即周期性成分。不規(guī)則變動(dòng)(I)指在時(shí)間序列中由于隨機(jī)因素影響所引起的變動(dòng)。YTSCIYTSCI時(shí)間序列分析方法。時(shí)間序列分析方法。時(shí)間序列分析方法如何對時(shí)間序列進(jìn)行分析，取決于如何看待時(shí)間序列！序列=信號(signal)+噪聲(noise)——工程師時(shí)間序列分析方法如何對時(shí)間序列進(jìn)行分析，取決于如何看待時(shí)間序列！序列=信號(signal)+噪聲(noise)——工程師序列=趨勢(trend)+季節(jié)影響(seasonal)+噪聲——經(jīng)濟(jì)學(xué)家序列=余弦函數(shù)的疊加(sumofcosines)+噪聲——數(shù)學(xué)家序列=回歸方程(regressionfunction)+噪聲——統(tǒng)計(jì)學(xué)者??時(shí)間序列分析方法序列＝確定性成分＋隨機(jī)性成分對于這兩種成分可以采用不同的分析方法進(jìn)行提取和處理，最終達(dá)到和控制的目的。趨勢平滑法法確定型時(shí)間序列分析方法利用函數(shù)來擬合時(shí)間序列的趨勢分解分析法功率譜估計(jì)時(shí)間序列分析方法序列＝確定性成分＋隨機(jī)性成分對于這兩種成分可以采用不同的分析方法進(jìn)行提取和處理，最終達(dá)到和控制的目的。趨勢平滑法法確定型時(shí)間序列分析方法利用函數(shù)來擬合時(shí)間序列的趨勢分解分析法功率譜估計(jì)AR模型MA模型ARMA模型ARIMA模型隨機(jī)型時(shí)間序列分析方法利用相關(guān)結(jié)構(gòu)來對時(shí)間序列進(jìn)行時(shí)間序列分析方法同樣，對于時(shí)間序列可以在時(shí)間域中進(jìn)行分析，也可以在時(shí)間序列分析方法同樣，對于時(shí)間序列可以在時(shí)間域中進(jìn)行分析，也可以在中同時(shí)進(jìn)行分析)，還可以對其進(jìn)行統(tǒng)計(jì)分析。原來的序列分解成為一系列便于，然后分別對這些成分進(jìn)行某種處理后重新進(jìn)行疊加組合，最終實(shí)現(xiàn)預(yù)測和控制的目的。時(shí)間序列分析方法時(shí)間序列分析的一般步驟：時(shí)間序列分析方法時(shí)間序列分析的一般步驟：用曲線擬合及等距化重采樣得到等距序列。描述性時(shí)序分析：通過直觀的數(shù)據(jù)比較或繪圖觀測，尋勢項(xiàng)、周期變化等特性。統(tǒng)計(jì)時(shí)序分析：計(jì)算時(shí)間序列的各種統(tǒng)計(jì)量，如均值，常樣本。析方法。序列預(yù)測值。時(shí)間序列分析方法確定型時(shí)間序列分析方法目的是恢復(fù)被噪聲污染的確定性成分，以便在一定的準(zhǔn)確性(最小二乘意義)上進(jìn)行。根據(jù)其時(shí)間歷程是否具有規(guī)律性重復(fù)出現(xiàn)的周期成分可分為周期性信息和非周期性信息。時(shí)間序列分析方法確定型時(shí)間序列分析方法目的是恢復(fù)被噪聲污染的確定性成分，以便在一定的準(zhǔn)確性(最小二乘意義)上進(jìn)行。根據(jù)其時(shí)間歷程是否具有規(guī)律性重復(fù)出現(xiàn)的周期成分可分為周期性信息和非周期性信息。時(shí)間序列分析方法趨勢項(xiàng)提取方法平滑法預(yù)測值，往往在不易判斷趨勢項(xiàng)函數(shù)形式的情況下使用。y t1 t111(yy)(1)移動(dòng)平均法時(shí)間序列分析方法趨勢項(xiàng)提取方法平滑法預(yù)測值，往往在不易判斷趨勢項(xiàng)函數(shù)形式的情況下使用。y t1 t111(yy)(1)移動(dòng)平均法ytjttnn(2)滑動(dòng)平均法l(y yLy yy Ly)2l1tlt(l1)t1t1tltt(3)指數(shù)平滑法n1(1)jy y(1)t1tjttj0時(shí)間序列分析方法趨勢項(xiàng)提取方法函數(shù)擬合法函數(shù)表達(dá)式，從而可以計(jì)算任何時(shí)間點(diǎn)的變量取值。abtyt(1)直線型趨勢線。(2)時(shí)間序列分析方法趨勢項(xiàng)提取方法函數(shù)擬合法函數(shù)表達(dá)式，從而可以計(jì)算任何時(shí)間點(diǎn)的變量取值。abtyt(1)直線型趨勢線。(2)abty指數(shù)型趨勢線tabtct2y(3)拋物線型趨勢線t時(shí)間序列分析方法趨勢項(xiàng)提取方法【例5.1】exam51.m不同線性趨勢方法對比時(shí)間序列分析方法趨勢項(xiàng)提取方法【例5.1】exam51.m不同線性趨勢方法對比時(shí)間序列分析方法周期和季節(jié)因素分析方法時(shí)域,自相關(guān)分析時(shí)間序列分析方法周期和季節(jié)因素分析方法時(shí)域,自相關(guān)分析頻域,傅里葉變換時(shí)間序列分析方法周期和季節(jié)因素分析方法自相關(guān)分析關(guān)于原點(diǎn)對稱xcorr函數(shù)[xyc,lags]=xcorr(x,y)[xyc,lags]=xcorr(x,y,’biased’)時(shí)間序列分析方法周期和季節(jié)因素分析方法自相關(guān)分析關(guān)于原點(diǎn)對稱xcorr函數(shù)[xyc,lags]=xcorr(x,y)[xyc,lags]=xcorr(x,y,’biased’)[xyc,lags]=xcorr(x,y,’unbiased’)時(shí)間序列分析方法周期和季節(jié)因素分析方法自相關(guān)分析時(shí)間序列分析方法周期和季節(jié)因素分析方法自相關(guān)分析不同信號及其自相關(guān)函數(shù)時(shí)間序列分析方法周期和季節(jié)因素分析方法時(shí)間序列分析方法周期和季節(jié)因素分析方法傅里葉變換時(shí)間序列分析方法傅里葉變換傅里葉變換(a)傅里葉變換(時(shí)域→頻域)+=(b信號的分解時(shí)間序列分析方法傅里葉變換傅里葉變換(a)傅里葉變換(時(shí)域→頻域)+=(b信號的分解(時(shí)域→時(shí)域)時(shí)間序列分析方法5.2】5.1中的數(shù)據(jù)進(jìn)行處理，預(yù)測該地區(qū)2004年各季度的住院人數(shù)。年 份第一季度第二季度第三季度第四季度200125937234022020022754113532302003285時(shí)間序列分析方法5.2】5.1中的數(shù)據(jù)進(jìn)行處理，預(yù)測該地區(qū)2004年各季度的住院人數(shù)。年 份第一季度第二季度第三季度第四季度200125937234022020022754113532302003285428364243時(shí)間序列分析方法5.2】N＝4時(shí)間序列分析方法5.2】N＝4乘法模型yk (abkk除線性項(xiàng)后數(shù)據(jù)進(jìn)行平均處理，即可得到季節(jié)性指標(biāo)序列的自相關(guān)圖時(shí)間序列分析方法5.2】數(shù)據(jù)中的線性趨勢項(xiàng)提取時(shí)間序列分析方法5.2】數(shù)據(jù)中的線性趨勢項(xiàng)提取時(shí)間序列分析方法5.2】某地區(qū)時(shí)間序列分析方法5.2】某地區(qū)2001－2004年各季度住院人數(shù)的估計(jì)時(shí)間序列分析方法5.2】aa=[259372340220;275411時(shí)間序列分析方法5.2】aa=[259372340220;275411353230;285428364243];將數(shù)據(jù)按各年季度順序排列為一列向量；figure,plot(bb,'o-');title('某地區(qū)各季度住院人數(shù)(01－03年)');tt=[1:length(bb)]';N=length(tt);序列的自相關(guān)圖p=