книги / Статистический анализ временных рядов
..pdfт |
|
ПРОЦЕСС АВТОРЕГРЕССИИ С ОСТАТКАМИ |
263 |
|
Каждая |
сумма |
(1/7’) 2 v2t-i |
сходится по вероятности к а2 |
в силу |
|
|
1~ |
т |
|
закона |
больших |
чисел, а каждая сумма (1/7) 2 vt-i Vt-t, |
i Ф /, |
сходится по вероятности к нулю, так как сходится к нулю при i ф /
(41) |
S ( y S |
Vt-iVt—,) |
= - j r |
2 &>t-iVt-jVs-iVs4 = |
1 |
|
|
—-a*. |
|
||||||
|
|
|
|
(,S=1 |
|
|
|
Таким |
образом, |
c0 сходится, по |
вероятности к a22 |
a* = a (0 ). |
|||
Поэтому предельное распределение величины |
|
|
|||||
(42) |
|
У Т (rb- |
Рй) = |
/ Г ( ^ ~ рйСо)- |
|
|
|
есть N (0, Whh). Доказательство теоремы |
завершается аналогичным |
||||||
|
|
|
|
|
|
П |
__ |
рассмотрением произвольной линейной |
комбинации |
kh |
Т х |
||||
|
|
|
|
|
|
/i=i |
|
X(rft — рЛ).и
5.8.ПРОЦЕСС АВТОРЕГРЕССИИ С ОСТАТКАМИ В ВИДЕ СКОЛЬЗЯЩЕГО СРЕДНЕГО
5.8.1.Модель
Пусть {yt) удовлетворяет соотношению
(1) |
2 |
= 2 «/*%-/, |
|
»=0 |
1=0 |
В котором ро = сс0 = 1, а {г*} — последовательность независимых
случайных величин с %vt = 0 и 8 о< = а2. Чтобы исключить три виальные случаи, будем полагать Рр Ф 0 и aq Ф 0. Тогда имеем
— 0. Соотношение ( 1 ) можно записать в виде
(2) |
2 № *yt = |
2 |
« А - |
|
s = 0 |
/ = 0 |
|
Пусть корни |
уравнения |
|
|
(3) |
2 p s*p- s = |
o |
|
|
s= 0 |
|
|
равны xlt ..., |
хр, а корни уравнения4 |
||
(4) |
2 |
= |
0 |
|
/«о |
|
|
264 |
л и н е й н ы е м о д е л и с к о н е ч н ы м ч и с л о м п а ра м е тро в |
Гл. 5. |
|
равны гъ |
..., гг Тогда (2) можно переписать следующим образом: |
||
(5) |
П (1 — xti£) yt = |
П (1 — Zj(£)vt. |
|
|
1=1 |
/=1 |
|
Соотношение между {yt} и {vt) не изменится, если обе части (5) разделить на общие множители. Поэтому без ограничения общности будем считать, что (3) и (4) не имеют общих корней.
Для того чтобы yt можно было выразить в виде линейной ком бинации vt, vt-1 ... (когда а2 >■ 0 ), необходимо, чтобы все корни уравнения (3) лежали в единичном круге. При этом
(6) |
|
xt(e r' П (1 - г & ) vt = |
ы |
|
/-1 |
со |
q |
со |
~ 2 |
2 |
v.pt—s—j ~ 2 ypt—r- |
s— 0 |
j—0 |
r=0 |
Коэффициенты {6 S} здесь те же, что и в разд. 5.2.1. Коэффициенты {■у,} получаются следующим образом:
|
Уо = |
®о®о = |
К |
|
|
|
|
|
|
|
У х = |
б 0 а х + |
б х а 0 = « X + |
б х , |
|
|
|
|
|
(7) |
: |
|
|
|
|
|
|
|
|
|
у„_, == б0а 9_1 + |
бха?_ 2+ |
• • • |
+ |
6?_i«0, |
|
|||
|
Уг — &r—q&q + |
Ьг—qj,.\Ct,q—\ + |
• • • |
+ |
бга0, г = |
q, q + 1, . . . . |
|||
|
Умножим обе части (1) на y t-k , |
h |
= |
0 , 1........... |
и возьмем от по |
лученных выражений математические ожидания. В результате при дем к системе соотношений
р q со q со
(8) 2 |
|
Psa (h — s) = |
2 |
2 a^rlvt-P t-h -r = О22 |
2 а/УА',г+л, |
|||||||
s=0 |
|
|
/= 0 r= 0 |
|
|
|
/= 0 г—0 |
|
||||
|
|
|
|
|
|
|
|
|
|
|
Л = 0, 1, |
. . . , |
где 8;у+л |
есть дельта |
Кронекера. |
В частности, отсюда следует, что |
|||||||||
(9) |
|
|
2 |
Р5а(Л |
— s) = |
0, |
h — q - \ - \ ................ |
|
|
|||
|
|
|
s=0 |
|
|
|
|
|
|
|
|
|
Таким |
|
образом, |
последовательность |
(а (г)} |
удовлетворяет |
для |
||||||
т= < 7+ |
1 — Р , ...однородному |
разностному |
уравнению. |
[В |
||||||||
разд. |
5.8.2. |
будет |
показано, |
что эти уравнения |
в совокупности |
|||||||
с условием ро |
= 1 |
определяют |
рх, |
.... |
Рр, если последовательность |
|||||||
(а (г)} |
известна.] |
|
|
|
|
|
|
|
|
|
8р. |
ПРОЦЕСС АВТОРЕГРЕССИИ С ОСТАТКАМИ |
265 |
||
Для некоторых целей более удобным оказывается рассматривать |
||||
качестве |
параметров |
процесса |
не р1( |
a2, ocj....... aq, |
й Pi, •••. |
о (0), Pi, |
.... pq, где |
рЛ = а (Л)/а (0). Если обозна |
чить левую часть выражения (1) через щ, то математическое ожида ние произведения щщ+н можно записать в виде
(10) |
8 utut+h = 2 |
Р Д &yt—syt+h—r — 2 PsPr**' Ф "Ь $ |
|
s,r = 0 |
s,r=0 |
С другой стороны, используя правую часть (1), то же математиче ское ожидание можно записать в виде
(11) |
' “Л + 1М. ft - 0 , |
±1..........± q . |
I 0 , |
h — ± |
(q + 1)............ |
Использование (10) и (11) приводит к следующей записи произво дящей функции ковариаций случайной последовательности {«<}:
(12) |
о(0 ) 2 |
2 J |
рДрh+s_rzh = o*M(z)M(z-'). |
|
|
h~—q s,r=0 |
|
|
|
Здесь М (г) определяется |
посредством (4) из § 5.7. Используя (9), |
|||
соотношение (12) можно переписать в виде |
||||
(13) |
a (0) 2 |
рД |
2 |
Рh+s-rZh = о т (г) М (г~'). |
|
s,r~0 |
h=*—{q—r) |
|
В левой части последнего соотношения присутствуют лишь парамет
ры Рх....... |
рр, |
а (0 ), рх, |
..., р?, а в правой — лишь параметры |
a2, a lt |
aq. |
Поэтому |
вторая совокупность параметров вполне |
определяется первой. Левая часть (13), умноженная на г4, будет полиномом степени 2q. Корни ее будут образовывать пары, как было указано в разд. 5.7.1. Одно из образующихся при этом двух мно жеств корней определяет М (г) и через него значения а х....... aq. [См. Дуб (1944).]
5.8.2. Оценивание параметров
Если случайные величины vt распределены нормально, то нор мально распределенными будут и yt. Как и в случае обычного сколь зящего среднего, изучавшегося в § 5.7, матрица, обратная ковариа ционной матрице конечного множества случайных величин ух...... г/г, является отнюдь не простой, минимальное достаточное множество статистик имеет мощность Т, а уравнения максимального правдо подобия сложны и не поддаются непосредственному решению. Тем не менее (как указывается в теореме 8.4.6) любое конечное множество
266 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Г л. 5. |
выборочных корреляций имеет асимптотически нормальное рас пределение. А. Уолкер (1962) обобщил на рассматриваемый случай метод оценивания, используемый для модели обычного скользяще го среднего, т. е. максимизацию функции, аппроксимирующей функ цию правдоподобия первых п выборочных сериальных корреляций.
Если случайные величины vt независимы и одинаково распреде лены с = 0 и Лу? = о2, то совместное предельное распределение
статистик V Т (гх — рх), ..., У Т (гп — р„) будет многомерным нор мальным с нулевыми средними и ковариациями
со
(U )w gh = 2 (P'+ePr+h + P r-&Pr+h - 2phprpr+z - 2pgprp,+„-f- 2pgpftp2).
По этому поводу см. теорему 8.4.6. [Если все корни (3) лежат в еди ничном круге, то условия теоремы 8.4.6 будут выполнены. См. (41) в § 5.2, а также (6) и (7).] Для усовершенствования процедуры оце нивания, использующей данное предельное распределение, удобно использовать переменные
(15) |
|
|
*/ = |
гл |
|
/ = 1 , |
|
|
|
|
|
|
|||
|
|
|
|
Xj = |
Р |
|
/ = |
q + |
1, |
|
|
|
|
||
|
|
|
|
2 |
P//-S, |
|
q + P , |
|
|
||||||
|
|
|
|
|
s = 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
* / = |
2 PAO-s-b |
/ = |
<7+ P + |
1, |
. . . . П, |
|
|
||||
|
|
|
|
|
s,t=*Q |
|
|
|
|
|
|
|
|
|
|
где r0 — 1и г_/ = г/, / |
=1, 2, .. . |
. Поскольку из (9) следует |
|
||||||||||||
(16) |
|
|
|
2 |
PSP*—s = 0, |
h = q |
|
1, |
... , |
|
|
||||
|
|
|
|
|
s = 0 |
|
|
|
|
|
|
|
|
|
|
то |
|
совместное |
распределение |
статистик |
V f (xx — px), |
||||||||||
..., |
V T |
(xq — p?), |
V T Xq+ i , ..., |
V~Txn будет нормальным с нуле |
|||||||||||
выми средними и ковариациями ф,-,-, |
t, / |
= 1, ..., и, выражения для |
|||||||||||||
которых МОЖНО получить ИЗ (Wij). Пусть |
р = |
(рх...... |
р )', |
х0) = |
|||||||||||
= |
( * ! . » • • • » |
Xq) . |
|
— (Xq+1, . . . , |
X q + p )', |
Х ( |
= (Х д + р + 1 , |
. . . , |
Хп) ' , |
||||||
х |
= |
(х( |
, |
х(2), |
х(3))'. |
Соответственно |
этому |
разобьем матрицу |
Ф = (фц) и ей обратную на блоки, состоящие из q, р и п — (q + р)
строк и столбцов,
|
/ф хх |
ФХ2 |
Ф13\ |
/Фи |
Ф12 |
Ф13\ |
( 17) |
Ф = Ф2Х Ф22 |
Ф23 I, |
ф - 1= Ф21 |
Ф22 |
фм . |
|
|
\ф зх |
ф32 |
ф33/ |
\Ф 31 |
Ф32 |
Ф33/ |
§у$* ПРОЦЕСС АВТОРЕГРЕССИИ С ОСТАТКАМИ 267
Тогда логарифм функции, аппроксимирующей функцию правдопо добия от х, будет равен
(18) log L — ---- n log 2 я --------Y log | Ф | — |
|
|
|
/Ф 11 |
Ф12 |
Ф13\ /x( i ) _ p \ |
|
---- Y Г(х<‘)' — р' х<2)' х<3>')( Ф21 |
Ф22 |
Ф23 )( Х<2> |
) . |
\Ф31 |
Ф32 |
фзз / \ х (3) |
I |
В качестве оценок мы возьмем такие |
значения рь |
рр> рь |
рр> |
|||
которые будут |
удовлетворять |
дифференциальным |
уравнениям |
|||
5 log L/dfJi = 0 , |
s = 1, |
р, |
и |
д log Ыдрк = 0 , h = 1, |
q. |
В этих дифференциальных уравнениях члены, включающие частные
производные щ (или <p‘;) по Ps и pft, имеют меньший порядок по Т, чем другие. Если пренебречь этими членами и умножить на соот ветствующие константы, то в результате получим уравнения
(19)Ф11 (х0> — р) + Ф12х<2>+ Ф13х<3>= 0,
(20) |
|
Лу(2)' |
|
|
|
Ф22Х(2) + Ф23Х(3>] + |
|
|
|
|
|
|||||
— — [Ф21 (х(1)-- р) + |
|
|
|
|
|
|||||||||||
|
|
|
|
+ |
дх(3)' |
[Ф31 (х“>— р) + |
Ф32х<2> + Ф»Х(3)] = 0, |
|||||||||
|
|
|
|
|
|
|||||||||||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(21) |
|
~щ ~ ~ (~§р7') ’ |
i = |
я + 1 > *• • > я + |
р. |
s = |
1, |
• • • , |
р, |
|||||||
(22) |
|
зр |
= ("5 ^ “) * |
/ = |
Я+ |
Р + 1> |
• • • |
. п> s = |
1, |
. . . |
, |
р. |
||||
Для того чтобы упростить (20), заметим, что |
|
|
|
|
|
|||||||||||
(23) |
|
|
= 0 _s, |
j = |
q+ |
1, |
. . . , q + |
p, |
|
s = l , . . . , p , |
|
|
||||
(24) |
|
|
Jr |
p |
|
|
/ = |
<7 + р + |
1 , |
|
. .. , n, |
s = l , |
|
. . . , p . |
||
|
-ggj- = 2 2 |
|
|
|
|
|||||||||||
Поскольку |
статистики |
Y T |
(r,_s — P/-s), |
/ |
= |
q + |
1, |
..., |
|
q -f- p, |
||||||
s — 1, |
..., |
p, имеют предельные распределения, то дх/д$а в (2 0 ) |
||||||||||||||
можно для этих значений j u s |
заменить на р,-_5. Ввиду того что в |
|||||||||||||||
силу |
(16) |
предельными |
распределениями |
обладают |
статистики |
|||||||||||
_ |
р |
|
|
|
q + |
|
р + |
|
|
|
|
|
|
р, |
|
|
V T 2 |
P^/-s- / при |
/ = |
|
1 , . .. , |
n, |
s = |
1, ... , |
то для |
||||||||
|
t—0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
таких значений / и s производные dxj/dps можно заменить в (2 0 ) нулями. В результате получаем, что (20) асимптотически эквива-
268 ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ Гл. 5.
лентно |
|
|
|
|
|
|
(25) |
|
R [Ф21 (х<‘>— р) + |
Ф22х<2>+ Ф23х<3>1 |
|
||
где |
|
|
|
|
|
|
|
|
/ Р$ |
Р<7+1 |
Р я+ р - |
|
|
(26) |
R |
(р/—s) ~ 1 |
: |
; |
Ря+р- |
|
|
|
|||||
|
|
\р<7—Р+1 |
Ря—Р+2 • • • Ря |
|
||
Докажем, что матрица R невырождена. Пусть имеет место об |
||||||
ратное. |
Тогда |
существует |
некоторый |
постоянный |
вектор с = |
|
= fci> |
с»)', |
такой, что |
|
|
|
|
(27) |
|
Р |
/ = |
q + 1 , |
. . , , q + р. |
|
2 csp/_s = 0 , |
|
|||||
|
S=1 |
|
|
|
|
|
Из (16) вытекает, что pft = |
Р |
Р*рл-<> |
h = q + 1, |
... . Примене- |
||
— 2 |
||||||
|
|
|
/=i |
|
|
|
ние этого соотношения к (27) показывает, что (27) выполняется тог
да и для / |
= <7 + р + |
1, ... .Н о это означало бы, что процесс мож |
||||
но представить моделью (1), в которой |
параметры р0, •••» |
Рр замене |
||||
ны параметрами съ .... |
ср, а значения |
параметров a lt ..., |
а , опре |
|||
деляются |
через clt .... |
ср и рх...... |
рч в |
соответствии с (13). Но это |
||
противоречит предположению о |
том, то рр Ф 0 , в |
соответствии с |
||||
которым левая часть (1) определяется не р, а р + |
1 постоянными. |
|||||
Поскольку R невырожденная матрица, то (19) и (25) можно объ |
||||||
единить в уравнение82 |
|
|
|
|
|
|
(28) |
/Ф11 ф12 ф13 |
х(|>р |
|
|
||
\Ф21 ф22 ф23 |
Х<2) |
= 0. |
|
|
Х<3)
При этом
Р
Фзз'х<3>.
(См., например, упр. 8 гл. 2.) Правая часть (29) представляет рег
рессию |
векторов |
х( *— р и х(2> |
на х<3), использующую ковариа |
|
ционную матрицу предельного распределения. Тогда |
|
|||
(30) |
|
Р = х(1) — Ф13Фзз'х(3) |
|
|
состоит |
из (асимптотических) остатков корреляций гх........ |
гя на |
||
|
THs-t> i |
— Я + p + 1, |
..., n. Остальные уравнения |
в (29) |
270 ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ Гл. 5.
и имеет поэтому в пределе нормальное распределение с нулевыми
средними и ковариационной |
матрицей Ф22 — Ф23Фй'Ф32. |
По |
скольку [гj—s (Х(3))1 сходится по |
вероятности к R', то (34) показы- |
|
|
-- А. |
А. |
вает, что предельное распределение вектора у Т (Р — Р), где Р =
лл
= (Pi, |
РрУ и Р =(Pi, |
Рр)', |
совпадаете предельным рас |
пределением вектора |
|
|
|
(36) |
(R T 1V T (х(2) - |
Ф23Фз1'х(3)), |
которое является нормальным, с нулевым средним и ковариацион ной матрицей
(37) |
(R T 1 (Ф22 - Ф23Фз1,Ф32) Ь ~ 1. |
|
|
Совместное |
. |
Л |
- А |
распределение векторов у Т |
(р — р) и |
у Т (р — Р) |
также сходится при Т -> оо к нормальному. Ковариация этих двух векторов в предельном распределении равйа
(38) (Ф12* -Ф 13ФюФ32) R"-1.
На рассматриваемый случай можно также распространить про цедуру, предложенную Дурбином для модели скользящего сред него, несколько видоизменив ее (Дурбин (1960b)). Предположим, что мы исходим из некоторого начального приближения (начальных оценок) для параметров рь ..., Рр.рОбозначим соответствующие
оценки Pi, .... рр. Положим щ ’ — 2> psi/*_s. Используем теперь
s=0
метод Дурбина, описанный в разд. 5.7.2, для оценки коэффициентов в модели скользящего среднего
(39) |
|
« Г = |
2 * Г * - / . |
|
|
|
|
|
|
/=о |
|
|
|
где |
и<0) рассматриваются |
как |
наблюдаемые |
|
значения. Обозначим |
|
получающиеся при этом оценки а!0), ..., |
afK |
|
||||
Пусть случайный процесс {xt\ таков, что |
|
|
||||
(40) |
s=0 |
|
.. . , - 1 , 0 |
, 1 .......... |
||
|
|
|
|
|
|
|
Тогда случайный процесс |
определяемый соотношением |
|||||
(41) |
yt = xt + a ^ - i + |
• • • |
+ аях{-д, |
t= |
|
, — 1, 0, 1, |
будет удовлетворять уравнению (1) для t = ..., —1, 0, 1, ... .
Если последовательность {*,} задать для t = ..., —1, 0, а после довательность (г/*) задать для ^ = 1,2, .... то последовательность
& |
НЕКОТОРЫЕ ПРИМЕРЫ |
271 |
|
|
|
{Xf} можно продолжить, решая уравнение |
(41) последовательно |
относительно хи х2......... |
Это приводит к мысли определять лг*0) для |
||||||
Л 1 |
т |
|
А(0) |
, |
А(0) |
и |
(о) |
/ .=* I, |
Ту используя |
ai |
ад |
произвольные Хо , ... |
|||
|
следующим образом: |
|
|
|
|||
(42) |
= yt - $ ° М - г |
+ |
• • • + |
a fx flq), |
t = l ..........T. |
Параметры Рг можно оценить теперь исходя из последовательности {J40)}, удовлетворяющей (41). В результате получим новое прибли
жение pi1’, ..., рр1’. |
Дурбин предложил переходить поочередно от |
||
одной процедуры к другой таким образом, |
что |
после pi1’, ..., Рр ’ |
|
вычисляется а!1’, ..., |
аУ’, затем pi2’, .... |
Рр2’ и |
т. д. Можно ожи |
дать, что при больших значениях Т (и гг) итерационный процесс будет сходиться.
5.9. НЕКОТОРЫЕ ПРИМЕРЫ
Вольд (1965) образовывал искусственные временные ряды с помощью разностных уравнений второго порядка, в которых щ считались независимыми случайными нормальными отклонениями. Три таких ряда затабулированы в приложении А.2, там же при водятся их графики. При этом рх = —у, р2 = у2, корни характери стического уравнения равны у ехр {±г'2я/6} и у ==0.25, 0.7 и 0.9 соответственно. В каждом из этих случаев дисперсия величины щ выбиралась так, чтобы дисперсия yt равнялась единице. На приве денных графиках можно проследить тенденцию к наличию колеба ний с периодом, близким к 6. Этот период выражен заметнее для больших значений у.
Значения первых трех выборочных корреляций (rA = Ch/C0) указанных рядов для Т = 200 и соответствующих им теоретиче ских корреляций [рА = о (h)/a (0)] приведены в табл. 5.1.
Таблица 5.1
ВЫБОРОЧНЫЕ И ТЕОРЕТИЧЕСКИЕ КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ ДЛЯ ТРЕХ ПРОЦЕССОВ АВТОРЕГРЕССИИ (Г = 200)
V |
гх |
Гг |
г3 |
Pi |
Р2 |
Рз |
0 .2 5 |
0 . 2 4 7 3 |
0 . 1 1 2 0 |
0 . 0 4 9 2 |
0 . 2 3 5 2 9 |
— 0 . 0 0 3 6 8 |
— 0 .0 1 5 6 2 5 |
0 . 7 0 |
0 . 5 1 1 3 |
— 0 . 0 4 7 3 |
— 0 .3 0 0 1 |
0 . 4 6 9 8 0 |
— 0 . 1 6 1 1 4 |
— 0 . 3 4 3 0 0 |
0 . 9 0 |
0 .5 0 1 1 |
— 0 . 3 8 5 8 |
— 0 . 7 7 2 6 |
0 . 4 9 7 2 4 |
— 0 . 3 6 2 4 9 |
— 0 . 7 2 9 0 0 |
272 |
ЛИНЕЙНЫЕ МОДЕЛИ С КОНЕЧНЫМ ЧИСЛОМ ПАРАМЕТРОВ |
Гл. 5. |
|
|
Оценки для рх и в предположении |
р = 2 и оценки для |
р2, |
Р3 в предположении р = 3 получаются |
соответственно из уравне |
||
ний |
|
|
Соответствующие результаты приведены в табл. 5.2.
Таблица 5.2
ОЦЕНКИ КОЭФФИЦИЕНТОВ ПРОЦЕССОВ АВТОРЕГРЕССИИ
V |
0t |
|
bt |
Ь2 |
bt |
ьг |
ba |
0.25 |
—0.25 |
0.0625 |
—0.2339 |
-0.0542 |
— 0.2334 |
-0.0518 |
—0.0103 |
0.70 |
—0.70 |
0.49 |
-0 .7250 |
0.4180 |
—0.6893 |
0.3561 |
0.0854 |
0.90 |
—0.90 |
0.81 |
-0 .9273 |
0.8505 |
—0.9736 |
0.9010 |
-0.0545 |
Критерий для проверки нулевой гипотезы р3 = 0 можно строить,
используя статистику У Т Ь3, значения которой в указанных трех случаях равны соответственно —0.1458, 1.208 и —0.7706. При ну
левой гипотезе значения статистики У Т Ь3 должны быть распреде лены приблизительно нормально с нулевым средним и единичной дисперсией. Если ограничиться разумными уровнями значимости, например 1 %, 5% или 10%, то ни в одном из трех случаев нулевая гипотеза не будет отвергнута соответствующими двусторонними критериями.
Юл (1927) предложил использовать процесс авторегрессии в ка честве более предпочтительной статистической модели по сравне нию с моделью, в которой случайная ошибка накладывается на три гонометрический тренд. (Модель последнего типа рассматривалась нами в гл. 4.) Он применил его к числам Вольфа солнечной актив ности, которые представляют собой данные ежегодных измерений солнечной активности за период с 1749 по 1924 г. [Эти данные более широко и более подробно представлены Вальдмейером (1961).] Числа, использованные Юлом, затабулированы в табл. А.3.1 при ложения А.З. Подобные данные анализировались Крэддоком (1967). Соответствующие результаты приведены ниже. В первом прибли жении эти ряды выглядят похожими на искусственные ряды Вольда.
Первые пять |
корреляций, |
приведенные |
Юлом, |
указаны |
в |
||
табл. 5.3. |
второго |
порядка Юл |
получил оценки Ьг = |
||||
Для процесса |
|||||||
= —1.34254, Ь3 =0.65504, |
v = |
—13.854, |
о |
=15.41. |
Корни |
ха |
|
рактеристического |
уравнения |
равны |
0.67127 ± |
0.45215/ |
= |