平稳过程
编辑平稳随机过程是一种特殊的随机过程,因此是概率论的研究对象。 一是区分
- 弱平稳过程(很少也称为协方差平稳过程)
- 强平稳过程,其中添加的“强”经常被省略,人们只说平稳过程。
两者都具有与时间无关的特性。
解释
编辑平稳性是时间序列分析中随机过程最重要的特性之一。 有了平稳性,人们获得的属性不仅对各个时间点有效,而且随着时间的推移保持不变。 时间序列在所有时间点具有相同的期望值和相同的方差。 (最重要的一类非平稳过程是集成过程。)
有了第 一个属性,我们可以继续进行新的过程 x t − E ( x t ) 那么 E ( x t − E ( x t ) ) = 0成立。 此过程也称为居中过程。 因此,我们可以不失一般性地假设平稳随机过程的均值为 0。
第二个性质简单地说,每个随机变量都有有限方差,因此属于希尔伯特空间 L 2。 由此得出期望值 E ( x t ) 存在。
第三个要求建立了不同时间点之间的关系,因此是最重要的属性。 它指出时间点之间的协方差不取决于两个时间点本身,而仅取决于两个时间点之间的距离 r = t 2 − t 1两个时间点。 条件也可以这样表述: 1} +r})} 是一个变量 r 的函数。 其结果之一是 Γ = E ( x x ∗ ) − E ( x ) E ( x ∗ ) 是无限块 Toeplitz 矩阵。
几何意义
编辑单变量情况( n = 1 {displaystyle n=1} )的几何解释使用希尔伯特空间 L 2 {displaystyle L^{2}} ,其元素是过程的各个随机变量。 几何解释支持对平稳性概念的更深入理解。
由于 E ( x t 2 ) 是 L 2 中的范数,要求 E ( x t 2 ) = γ ( 0 ) 可以理解为所有过程变量具有相同的长度,即 H。 躺在一个球上。
E ( x t + s x t ) = γ ( s ) 然后,根据上述解释,对于固定的 s 所有 x t 围成相同的角度。 如果你将 s增加一,旋转总是继续相同的角度。
要求 (ii) 无非是 ⟨ x t , 1 ⟩ = m ,即单元和每个过程变量之间的角度是恒定的。 这里从单位球体中切出一个纬度。
平稳化
编辑使非平稳时间序列平稳是一项重要的首要任务我的时间序列分析。 这里常用的方法是形成差异、重新缩放或对时间序列取对数。 更一般地说,人们可以尝试使用适当的趋势-季节性模型获得固定时间序列。
例子
编辑最重要的(弱)平稳过程是白噪声。 此外,某些高斯过程和 ARMA 模型是固定的。 在某些条件下稳定的谐波过程也具有理论上的重要性。 此外,以平稳分布开始的马尔可夫链是平稳过程。
属性
编辑离散时间的平稳随机过程,作为典型过程给出,可以理解为保测动态系统。
然后 X n ( ω ) = X 0 ( τ n ( ω ) ) 并且过程由τ 的迭代应用。 因此,它是一个动态系统,由于其平稳性而保持维度。 在此基础上,还可以定义遍历随机过程,应用遍历理论的重要定理,如个体遍历定理,从而为随机变量的相关序列提供强大数定律。
内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/355715/