《时间序列分析》第二章 时间序列预处理习题解答
时间序列分析试卷及答案
时间序列分析试卷1
一、 填空题（每小题2分，共计20分）
1. ARMA （p ， q ）模型_________________________________，其中模型参数为
____________________.
2. 设时间序列,则其一阶差分为_________________________。
3. 设ARMA (2, 1）：
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR （1): ，其特征根为_________，平稳域是
_______________________。
5. 设ARMA(2， 1）:,当a 满足_________时，模型平稳。
6. 对于一阶自回归模型MA （1)： ，其自相关函数为______________________。
7. 对于二阶自回归模型AR （2)：
则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列为来自ARMA （p,q ）模型: 则预测方差为___________________。
9. 对于时间序列，如果___________________,则.
10. 设时间序列为来自GARCH(p ，q ）模型，则其模型结构可写为_____________.
二、（10分）设时间序列来自过程,满足
,
其中是白噪声序列，并且。
（1） 判断模型的平稳性。（5分）
（2） 利用递推法计算前三个格林函数 .（5分)
三、（20分)某国1961年1月-2002年8月的16～19岁失业女性的月度数据
时间序列分析试卷及答案
时间序列分析试卷1
一、 填空题（每小题2分，共计20分）
1. ARMA （p ， q ）模型_________________________________，其中模型参数为
____________________.
2. 设时间序列,则其一阶差分为_________________________。
3. 设ARMA (2, 1）：
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR （1): ，其特征根为_________，平稳域是
_______________________。
5. 设ARMA(2， 1）:,当a 满足_________时，模型平稳。
6. 对于一阶自回归模型MA （1)： ，其自相关函数为______________________。
7. 对于二阶自回归模型AR （2)：
则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列为来自ARMA （p,q ）模型: 则预测方差为___________________。
9. 对于时间序列，如果___________________,则.
10. 设时间序列为来自GARCH(p ，q ）模型，则其模型结构可写为_____________.
二、（10分）设时间序列来自过程,满足
,
其中是白噪声序列，并且。
（1） 判断模型的平稳性。（5分）
（2） 利用递推法计算前三个格林函数 .（5分)
三、（20分)某国1961年1月-2002年8月的16～19岁失业女性的月度数据
时间序列分析试卷及答案3套
时间序列分析试卷1
一、 填空题（每小题2分，共计20分）
1. ARMA(p, q)模型_________________________________，其中模型参数为
____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)：
1210.50.40.3t t t t t X X X εε---=++-
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是
_______________________。
5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。
6. 对于一阶自回归模型MA(1):
10.3t t t X εε-=-，其自相关函数为
______________________。 7. 对于二阶自回归模型AR(2):
120.50.2t t t t X X X ε--=++
则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型：
1111t t p t p t t q t q X X X φφεθεθε----=++++++
则预测方差为___________________。
《时间序列分析》第二章 时间序列预处理习题解答
《时间序列分析》习题解答�0�2习题2.3�0�21考虑时间序列12345…201判断该时间序列是否平稳2计算该序列的样本自相关系数
kρ∧k12… 6 3绘制该样本自相关图并解释该图形. �0�2解1根据时序图可以看出该时间序列有明显的递增趋势所以它一定不是平稳序列�0�2即可判断该时间序是非平稳序列其时序图程序见后。�0�2 时间序描述程序data example1 input number timeintnxyear01jan1980d _n_-1 format time date. cards 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 proc gplot dataexample1 plot numbertime1 symbol1 cblack vstar ijoin run�0�2�0�2�0�22当延迟期数即k本题取值1 2 3 4 5 6远小于样本容量n本题为20时自相关系数kρ∧计算公式为
number1234567891011121314151617181920time01JAN8001J AN8101JAN8201JAN8301JAN8401JAN8501JAN8601JAN870 1JAN8801JAN8901JAN9001JAN9101JAN9201JAN9301JAN9 401JAN9501JAN9601JAN9701JAN9801JAN99121nkttktknttX XXXXXρ�6�1∧�6�1�6�1≈�6�1∑∑ 0kn4.9895�0�2
时间序列分析试卷及答案
时间序列分析试卷1
一、 填空题（每小题2分，共计20分）
1. ARMA(p, q)模型_________________________________，其中模型参数为
____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)：
1210.50.40.3t t t t t X X X εε---=++-
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是
_______________________。
5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。
6. 对于一阶自回归模型MA(1):
10.3t t t X εε-=-，其自相关函数为
______________________。 7. 对于二阶自回归模型AR(2):
120.50.2t t t t X X X ε--=++
则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型：
1111t t p t p t t q t q X X X φφεθεθε----=++++++L L
则预测方差为___________________。
时间序列分析第二章王燕第一到第三题习题解答
时间序列分析习题解答
第二章 P.33 2.3 习 题
2.1 考虑序列{1，2，3，4，5，…，20}： (1) 判断该序列是否平稳；
(2) 计算该序列的样本自相关系数k ^
ρ(k=1,2,…,6); (3) 绘制该样本自相关图，并解释该图形。
解：(1) 由于不存在常数μ，使,t EX t T μ=∀∈，所以该序列不是平稳序列。
显然，该序列是按等步长1单调增加的序列。
(2) 1^
ρ=0.85000 2^
ρ=0.70150 3^
ρ=0.55602
4^ρ=0.41504 5^ρ=0.28008 6^
ρ=0.15263 (3) 样本自相关图
该图横轴表示自相关系数，纵轴表示延迟时期数。该图的自相关系数递减的速度缓慢，在6期的延迟时期里，自相关系数一直为正，说明该序列是有单调趋势的非平稳序列。
附：SAS 程序如下： data ex2_1; input freq@@; cards;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ;
proc arima data=ex2_1; identify var=freq Nlag=6; run;
可得到上图的自相关图等内容, 更多结果被省略。
2.2 1975-1980年夏威夷岛莫那罗亚火山（Mauna Loa ）每月释放的CO 2数据如下（单位：ppm ）见下表。
330.45 330.97 331.64 332.87 333.61 333.55 331.90 330.05 328.58 328.31 329.41 330.63 331.63 332.46 333.36 334.45 334.82 334.32 333.05 330.87 329.24 328.87 330.18 331.50 332.81 333.23 334.55 335.82 336.44 335.99 334.65 332.41 331.32 330.73 332.05 333.53 334.66 335.07 336.33 337.39 337.65 337.57 336.25 334.39 332.44 332.25 333.59 334.76 335.89 336.44 337.63 338.54 339.06 338.95 337.41 335.71 333.68 333.69 335.05 336.53 337.81 338.16 339.88 340.57 341.19 340.87 339.25 337.19 335.49 336.63 337.74 338.36
时间序列分析试卷及标准答案
时间序列分析试卷1
一、 填空题（每小题2分，共计20分）
1. ARMA(p, q)模型_________________________________，其中模型参数为
____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)：
1210.50.40.3t t t t t X X X εε---=++-
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是
_______________________。
5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。
6. 对于一阶自回归模型MA(1):
10.3t t t X εε-=-，其自相关函数为
______________________。 7. 对于二阶自回归模型AR(2):
120.50.2t t t t X X X ε--=++
则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型：
1111t t p t p t t q t q X X X φφεθεθε----=++++++L L
则预测方差为___________________。
时间序列分析试卷及答案
其中 t 是白噪声序列，并且 E
0,Var
时间序列分析试卷 1
一、 填空题(每小题 2分，共计 20 分)
1. ARMA(p, q) 模 型 ____________________________________________ ， 其 中 模 型 参 数 为
_________________________ 。
2. 设时间序列
X t ，则其一阶差分为 _____________________________________________ 。
3. 设 ARMA (2, 1) ：
X t 0.5X t 1 0.4X t 2 t 0.3 t 1
则所对应的特征方程为 _________________________ 。
4. 对于一阶自回归模型 AR(1): X t 10＋ X t 1 t ，其特征根为 _________________ ，平稳域是
____________________________ 。
5. 设ARMA(2, 1): X t 0.5X t 1 aX t 2 t 0.1 t 1，当 a 满足 _________________________ 时，模型平稳。
6. 对 于 一 阶 自 回 归 模 型 MA(1): X t
t
0.3 t 1 ， 其 自 相 关 函 数 为
____________________________ 。
7. 对于二阶自回归模型 AR(2):
X t 0.5X t 1 0.2X t 2 t
则模型所满足的 Yule-Walker 方程是 _________________________ 。 8. 设时间序列 X t 为来自 ARMA(p,q)模型：
时间序列分析试卷及答案
时间序列分析试卷1
一、 填空题（每小题2分,共计20分）
1. ARMA(p, q ）模型_________________________________，其中模型参数为
____________________.
2. 设时间序列，则其一阶差分为_________________________。
3. 设ARMA (2， 1）：
则所对应的特征方程为_______________________。
4. 对于一阶自回归模型AR （1）：，其特征根为_________，平稳域是
_______________________. 5. 设ARMA （2, 1）：，当a 满足_________时，模型平稳。 6. 对于一阶自回归模型MA （1）：，其自相关函数为______________________. 7. 对于二阶自回归模型AR （2):
则模型所满足的Yule —Walker 方程是______________________. 8. 设时间序列为来自ARMA(p ，q)模型： 则预测方差为___________________。
9. 对于时间序列，如果___________________,则。
10. 设时间序列为来自GARCH （p ，q ）模型,则其模型结构可写为_____________。
二、（10分)设时间序列来自过程，满足
，
其中是白噪声序列，并且。
（1） 判断模型的平稳性。（5分）
（2） 利用递推法计算前三个格林函数 .（5分）
三、（20分）某国1961年1月—2002年8月的16~19岁失业女性的月度数
时间序列分析讲义(上)
yt1 B Tx tx tx t T
24
2.2 平稳性的检验
时序图检验
根据平稳时间序列均值、方差为常数的性 质，平稳序列的时序图应该显示出该序列始终在 一个常数值附近随机波动，而且波动的范围有界、 无明显趋势
8
时间序列分析方法，是根据时间序的不同特点， 建立不同的模型。所以时间序列特征的识别很重要。
用图形一定程度上可以识别时间序列的特征，且很 直观；但是图形识别不是量化的标准，往往不够准 确。因此一个量化的识别时间序列的特征的方法是 必要的。
时间序列数字特征就可以用量化的方法识别时间 序列。
9
1.2 时间序列的数字特征
P阶差分：pxt 1Bp xt
K 步差分算子：k 1Bk
kx t1 B kx t x t x t k
注：延迟算子B具有线性运算。
35
第三章 平稳时间序列建模
3.1 平稳时间序列的模型 一个无周期，非白噪声的平稳时间序列的一般可以建立 如下模型：
xtp0 0， q 1x t10 pxtpt 1t1 qtqC t为 白 噪 声 序 列 ， Var(t)2 这个模型称为P阶自回归q阶移动平均的模型，也称
ˆk截 尾 的 临 界 值 是 2n
q
12
时间序列分析第二章
时间序列分析第二章
第二章：时间序列的预处理
时间序列的预处理：对序列进行的平稳性与纯随机性的检验称为序列的预处理. 目的：根据检验的结果将序列分为不同的类型，从而采用不同的方法去分析.
§2.1平稳性检验
平稳性是某些时间序列具有的一种统计特征，其具体定义如下：
一、平稳性：若序列达到统计平衡状态，其统计特性不随时间变化，则称该序列具有平稳性. 二、预备知识
1. 时间序列的概率分布族：任取指标集T 中的m 个不同的指标m t t t ,,,21 ，称
),,,(),,,(2121,,,21
21m t t t m t t t x x x x x x P x x x F m m ≤≤≤=
为时间序列}{t x 的一个有限维(m 维)分布，变动m 及 m t t t ,,,21 ，称由这些有限维分布函数的全体},,,),,2,1(),,,,({2121,,,21
T t t t m x x x F m m t t t
m
∈?∈? 为时间序列}{t x 的概率分布族.
注：由于在实际应用中，很难得到序列的联合概率分布，所以在时间序列分析中很少直接使用. 2. 时间序列的特征统计量：对时间序列T t x t ∈?},{，随机变量)
(~x F x t t ，
(1). 均值：若∞
∞-)(x xdF t ，则有均值函数?
∞
∞
-=
=)(x xdF Ex t t t μ，以及均值函数列},{T t t ∈μ.
(2). 方差：若∞
-)(2x dF x t ，则有方差函数?
∞
∞
--==-=)()()(2
2x dF x Ex x E Dx t t t t t t t μμ，以及
时间序列分析(SAS)第二章
三、实验体会
时间序列的预处理是目前最容易分析的一种序列，可以从中明白怎么分析这种时间序列图我和样本自相关图，并判断出该序列是否平稳，再由Autocorrelation Check for White Noise图可以看出该序列是否属于白噪声。时间序列分析方法遵循数理统计学的基本原理，可以利用样本信息来推测总体信息。对序列的平稳性有两种检验方法：一种是根据时序图和自相关图显示的特征做出判断的图检验方法；一种是构造检验统计量进行假设检验的方法。
plotyu*time;
symbolc=blackv=stari=join;
procarimadata=example2;
identifyvar=yu;
run;
结果：
时序图：
自相关图：
白噪声检验结果：
结果分析：
1.该序列的样本自相关系数如自相关图，他们分别为：
123.289 -114.429 -256.796 -521.522 -301.725 -144.085 68.925 -178.390 -59.750 84.262
160.8 97.0 80.5 62.5 158.2 7.6 165.9 106.7 92.2 63.2 26.2 77.0
第二章时间序列的预处理_2
平稳时间序列的统计定义
❖ 满足如下条件的序列称为严平稳序列
正整数m, t1,t2 ,,tm T，正整数，有
Ft1,t2tm ( x1 , x2 ,, xm ) Ft1 ,t2 tm ( x1 , x2 ,, xm )
纯随机序列的定义
❖ 纯随机序列也称为白噪声序列，它满足如下两条 性质
(1)EX t , t T
(2)
(t,
s)
2,t
s
,
t,
s
T
0,t s
标准正态白噪声序列时序图
白噪声序列的性质
❖纯随机性
▪ 各序列值之间没有任何相关关系，即为“没有记忆” 的序列
(k) 0，k 0
❖方差齐性
▪ 根据马尔可夫定理，只有方差齐性假定成立时，用最 小二乘法得到的未知参数估计值才是准确的、有效的
例2.5 时序图
例2.5自相关图
例2.5白噪声检验结果
延迟阶数 6 12
LB统计量检验
LB检验统计 量的值
75.46
P值 <0.0001
82.57
<0.0001
本章SAS操作指导
❖ 绘制时序图
时间序列分析 第二章-时间序列的预处理
应用时间序列分析实验报告
实验名称第二章时间序列的预处理
一、上机练习
2.4.1绘制时序图
data example2_1;
input price1 price2;
time=intnx('month','01jul2004'd,_n_-1);
format time date.;
cards;
12.85 15.21
13.29 14.23
12.41 14.69
15.21 13.27
14.23 16.75
13.56 15.33
;
proc gplot data=example2_1;
plot price1*time=1 price2*time=2/overlay;
symbol1c=black v=star i=join;
symbol2c=red v=circle i=spline;
run;
语句说明：
（1）“proc gplot data=example2_1；”是告诉系统，下面准备对临时数据集example2_1中的数据绘图。
（2）“plot price1*time=1 price2*time=2/overlay;”是要求系统要绘制两条时序曲线。（3）“symbol1c=black v=star i=join;”，symbol语句是专门指令绘制的格式。
输出的时序图见下图：
两时间序列重叠显示时序图
2.4.2 平稳性与纯随机性检验
1、平稳性检验
为了判断序列是否平稳，除了需要考虑时序图的性质，还需要对自相关图进行检验。SAS系统ARIMA过程中的IDENTIFY语句可以提供非常醒目的自相关图。
data example2_2;
时间序列分析第二章王燕第四到第六题习题解答
解：(1) 该序列时序图（图 a）及样本自相关图（图 b） ： (2) 该序列的平稳性分析：
从时序图可以看出， 销售量按年具有周期性，样本自相关系数呈现周期性且不是 短期截尾，所以可以认为该序列为带周期性质的平稳序列。 (3) 该序列的纯随机性: 由于延迟 6，12 期时，P<0.0001，所以该序列为 非白噪声序列，即认为该序列不是纯随机序列。 图 a． 输出的时序图：
解：(1) 该序列时序图（图 a1）及样本自相关图（图 b1） ：
从时序图看，序列不够平稳。 从样本自相关图看，延迟 5 阶之后，自相关系数落入 2 倍标准差范围之内， 但向零衰减的速度较慢，综合时序图可认为该序列近似平稳。 从白噪声检验（图 c1）看，P<0.0001，所以认为该序列为非白噪声序列， 即非纯随机序列。 图 a1． 输出的时序图：
sales 300
200
100
0 JAN00 MAR00 MAY00 JUL00 SEP00 NOV00 JAN01 MAR01 MAY01 JUL01 SEP01 NOV01 JAN02 MAR02 MAY02 JUL02 SEP02 NOV02 JAN03 MAR03 MAY03 JUL03 SEP03 NOV03 JAN04 time
图 b． 基本统计信息和自相关图：
图 c．
白噪声检验结果：
附
SAS 程序如下:
《时间序列分析》第二章 时间序列预处理习题解答[1]
![《时间序列分析》第二章 时间序列预处理习题解答[1]](https://img.taocdn.com/s3/m/afd770ef524de518964b7d1f.png)
析： 分析 自相关图显示序列自 自相关系数 数长期位于零 零轴的一边 边， 这是具有 有单调趋势序 序列 的典 典型特征。
由下图可知 知，自相关系 系数长期位于 于零轴的一边 边，且自相关 关系数递减到 到零的速度较慢， 在 5 个延期中，自相关系数 数一直为正，说明这是一个 个有典型单调 调趋势的非平 平稳序列。
ppm 342 341 340 339 338 337 336 335 334 333 332 331 330 329 328 01JAN75 01MAY75 01SEP75 01JAN76 01MAY76 01SEP76 01JAN77 01MAY77 01SEP77 01JAN78 01MAY78 01SEP78 01JAN79 01MAY79 01SEP79 01JAN80 01MAY80 01SEP80 01JAN81 time
H0 :
ρ1 = ρ2 =
= ρ12 = 0
H1 : 至少存在在某个 ρk ≠ 0 ， k ≤ 12
解法如下： 解法一、考虑延迟期数的 LB 统计量法
ˆ k2 ⎞ ⎛ ρ 2 设 α = 0.05 ， LB = n ( n + 2 ) ∑ ⎜ ⎟ ~ χ (m) 根据上述数据，计算出下表结果 k =1 ⎝ n − k ⎠
（2 ） ρ 0.8 85，，ρ 0.70，ρ 0.56，ρ 0.41，ρ 0 ； 0.28
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《时间序列分析》习题解答�0�2习题2.3�0�21考虑时间序列12345…201判断该时间序列是否平稳2计算该序列的样本自相关系数
kρ∧k12… 6 3绘制该样本自相关图并解释该图形. �0�2解1根据时序图可以看出该时间序列有明显的递增趋势所以它一定不是平稳序列�0�2即可判断该时间序是非平稳序列其时序图程序见后。�0�2 时间序描述程序data example1 input number timeintnxyear01jan1980d _n_-1 format time date. cards 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 proc gplot dataexample1 plot numbertime1 symbol1 cblack vstar ijoin run�0�2�0�2�0�22当延迟期数即k本题取值1 2 3 4 5 6远小于样本容量n本题为20时自相关系数kρ∧计算公式为
number1234567891011121314151617181920time01JAN8001J AN8101JAN8201JAN8301JAN8401JAN8501JAN8601JAN870 1JAN8801JAN8901JAN9001JAN9101JAN9201JAN9301JAN9 401JAN9501JAN9601JAN9701JAN9801JAN99121nkttktknttX XXXXXρ�6�1∧�6�1�6�1≈�6�1∑∑ 0kn4.9895�0�2
注20.05125.226χ接受原假设认为该序列为纯随机序列。�0�2解法三、Q统计量法计算Q统计量即12214.57kkQnρ∑�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2查表得210.051221.0261χ�6�1由于Q统
计量值4.57Q小于查表临界值即可认为接受原假设即该序列可视为纯随机序列为白噪声序列 5表2——9数据是某公司在2000——2003年期间每月的销售量。表2——9 月份2000年2001年2002年2003年1 153134145117 2 187175203178 3 234243189149 4 212227214178 5 300298295248 6 221256220202 7 201237231162 8 175165174135 9 123124119120 10 1041068596 11 85876790 12 78747563 1绘制该序列时序图及样本自相关图。2判断该序列的平稳性。3
判断该序列的纯随机性。解1序列的时序图data example2_5 input sales timeintnxmonth01jan2000d_n_-1 format time monyy7. cards 153 187 234 212 300 221 201 175 123 104 85 78 134 175 243 227 298 256 237 165 124 106 87 74 145 203 189 214 295 220 231 174 119 85 67 75 117 178 149 178 248 202 162 135 120 96 90 63 proc print dataexample2_5 proc gplot dataexample2_5 plot salestime1 symbol1 cgreen vdiamond ijoin proc arima dataexample2_5 identify varsales run 样本自相关图
sales010*******timeJAN2000APR2000JUL2000OCT2000JA N2001APR2001JUL2001OCT2001JAN2002APR2002JUL2002 OCT2002JAN2003APR2003JUL2003OCT2003JAN2004
2由时序图和样本自相关图的性质可以认为该序列平
稳。样本自相关图显示延迟3阶之后自相关系数由正接近于零并变为负延迟8阶之后又由负变为正这是具有周期变化规律的非平衡序列。3有如下白噪声检验的结果由检验结果看出在各阶段延迟下LB检验统计量的P值都非常小为99.999该序列为非纯随机序列。另解 data exmaple2_1 input s2000 s2001 s2002 s2003 timeintnx
month01jan2000d _n_-1 format time date. cards 153 134 145 117 187 175 203 178 234 243 189 149 212 227 214 178 300 298 295 248 221 256 220 202 201 237 231 162 175 165 174 135 123 124 119 120 104 106 85 96 85 87 67 90 78 74 75 63 proc gplot dateexmaple2_1 plot s2000time1 s2001time2
s2002time3 s2003time4/overlay symbol1 cred vsquare ispline symbol2 cblack vsquare ispline symbol3 cblue vsquare ispline symbol4 cyellow vsquare ispline run 运行结果时序图
�0�2�0�2时序图显示该序列具有周期性所以不是平稳序列.�0�2 6、1969年一月至1973年9月在芝加哥海德公园内每28天发生的抢包案件数见表10 15 10 10 12 10 14 18 3 9 11 10 33 33 12 19 16 19 26 21 17 19 13 20 9 11 17 12 8 14 16 8 8 7 12 6 1判断该序列tx的平稳性及纯随机性2对该序列进行函数运算1�6�1�6�1tttxxy并判断序列ty 的平稳性及纯随机性. 解1时序图
date�0�2example1�0�2input�0�2number�0�2timeintnx‘2