(时间序列分析)
合集下载
相关主题
- 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)。
（1）判断该序列的平稳性与纯随机性。
（2）选择适当模型拟合该序列的发展。
（3）利用拟合模型，预测该地区未来5年的谷物产量。
答：
（1）由a-time时序图（左上角）可知，该图是平稳的
由ACF自相关系数图（右上角）可知，该图是非纯随机性的
（2）由（1）可知该序列是平稳且非纯随机性序列，由于ACF图拖尾，PACF图一阶截尾，故该序列可拟合为AR(1)模型
图2
（3）由图2和xt-time时序图（右下角）可知，该城市未来5年的谷物产量预测为:0.7018394， 0.7919400， 0.8255083， 0.8380146， 0.846740
该题的程序:
0.950.650.980.700.861.320.880.680.781.250.79
1.190.690.920.860.860.850.900.540.321.401.14
0.690.910.680.570.940.350.390.450.990.840.62
0.850.730.660.760.630.320.1பைடு நூலகம்0.46
89.685.558120.7110.565.439.940.1
88.771.48355.989.984.8105.2113.7
124.7114.5115.6102.4101.489.871.570.9
98.355.566.178.4120.597110
（1）判断该序列的平稳性与纯随机性。
（2）如果序列平稳且非白噪声，选择适当模型拟合该序列的发展。
（3）利用拟合模型，预测该城市未来5年的降雪量。
答：
（1）由a-time时序图（左上角），该图平稳
由ACF自相关系数图（右上角），该图非纯随机性
（2）因为该序列是平稳且非白噪声序列，由图可知ACF图拖尾，PACF图一阶截尾，故该序列可拟合为AR(1)模型
图1
（3）由图1和xt-time时序图（右下角）可知，该城市未来5年的降雪量预测为:89.01662, 82.43668, 80.37336, 79.72634, 79.52345
时间序列分析
17.某城市过去63年中每年降雪量数据（单位：mm）如表3—20所示（行数据）。
表3—20
126.482.478.151.190.976.2104.587.4
110.52569.353.539.863.646.772.9
79.683.680.760.37974.449.654.7
71.849.1103.951.682.483.677.879.3
该题的程序:
18.某地区连续74年的谷物产量（单位：千吨）如表 3—21所示（行数据）。
表3—21
0.970.451.611.261.371.431.321.230.840.891.18
1.331.210.980.910.611.230.971.100.740.800.81
0.800.600.590.630.870.360.810.910.770.960.93
（2）选择适当模型拟合该序列的发展。
（3）利用拟合模型，预测该地区未来5年的谷物产量。
答：
（1）由a-time时序图（左上角）可知，该图是平稳的
由ACF自相关系数图（右上角）可知，该图是非纯随机性的
（2）由（1）可知该序列是平稳且非纯随机性序列，由于ACF图拖尾，PACF图一阶截尾，故该序列可拟合为AR(1)模型
图2
（3）由图2和xt-time时序图（右下角）可知，该城市未来5年的谷物产量预测为:0.7018394， 0.7919400， 0.8255083， 0.8380146， 0.846740
该题的程序:
0.950.650.980.700.861.320.880.680.781.250.79
1.190.690.920.860.860.850.900.540.321.401.14
0.690.910.680.570.940.350.390.450.990.840.62
0.850.730.660.760.630.320.1பைடு நூலகம்0.46
89.685.558120.7110.565.439.940.1
88.771.48355.989.984.8105.2113.7
124.7114.5115.6102.4101.489.871.570.9
98.355.566.178.4120.597110
（1）判断该序列的平稳性与纯随机性。
（2）如果序列平稳且非白噪声，选择适当模型拟合该序列的发展。
（3）利用拟合模型，预测该城市未来5年的降雪量。
答：
（1）由a-time时序图（左上角），该图平稳
由ACF自相关系数图（右上角），该图非纯随机性
（2）因为该序列是平稳且非白噪声序列，由图可知ACF图拖尾，PACF图一阶截尾，故该序列可拟合为AR(1)模型
图1
（3）由图1和xt-time时序图（右下角）可知，该城市未来5年的降雪量预测为:89.01662, 82.43668, 80.37336, 79.72634, 79.52345
时间序列分析
17.某城市过去63年中每年降雪量数据（单位：mm）如表3—20所示（行数据）。
表3—20
126.482.478.151.190.976.2104.587.4
110.52569.353.539.863.646.772.9
79.683.680.760.37974.449.654.7
71.849.1103.951.682.483.677.879.3
该题的程序:
18.某地区连续74年的谷物产量（单位：千吨）如表 3—21所示（行数据）。
表3—21
0.970.451.611.261.371.431.321.230.840.891.18
1.331.210.980.910.611.230.971.100.740.800.81
0.800.600.590.630.870.360.810.910.770.960.93