论文摘要
时间序列分析的许多基本结果建立在其多个样本自协方差函数联合服从渐近正态分布的基础上。本文针对线性平稳序列的若干个样本自协方差函数,讨论其联合渐近分布问题。众所周知,在个数事先固定后,样本自协方差函数的联合渐近正态是一个著名的结果,是时间序列拟合优度检验,比如独立同分布白噪声检验,的一个基本理论依据。然而在实际应用中,我们经常是先得知样本的容量n,然后选取某个m,把m看成是固定,之后引用上面的经典结论。因此研究个数m随着样本容量n变化时样本自协方差函数的联合渐近分布问题是很有实际意义的。所以本文讨论的第一个问题是,对于线性平稳序列,对给定的观测数据个数n,应该选取什么样的m（n）,能够保证其样本自协方差函数{（?）n[cn（j）-r（J）],j=0,1,…,m（n）}（按照某种方式）渐近服从多元正态分布。正如Keenan,D.M.（1997）指出的那样,对于这种维数变化的随机向量的渐近分布,用定义在（R∞,R∞）上的传统弱收敛并不恰当。Keenan,D.M.（1997）提出的处理这种情形的方法是考虑一致弱收敛,得到了当{xt}t=1∞为一个严平稳强混合序列,并且满足一定的假设条件,在mlog（mlogm）=O（logn）时,样本自协方差函数{（?）n[Cn（j）-r（j）],j=0,1,…,m（n）)一致弱收敛到一个多元正态分布。本文在Keenan,D.M.（1997）的基础上,讨论了应用中更为广泛的线性平稳序列的m（n）维样本自协方差函数的一致弱收敛性问题,我们给出了不完全于Keenan,D.M.（1997）的证明。受近些年来人们广泛使用的线性组合的分布收敛做法,我们考虑了m（n）维样本自协方差函数线性组合的弱收敛问题,这是本文讨论的第二个问题。我们将Richad Lewis and Gregory C.Reinsel（1985）的方法运用到无穷维样本自协方差函数的渐近分布,得到了在一定条件下m（n）维样本自协方差函数的线性组合弱收敛到正态分布。本文讨论的第三个问题是,对于维数变化的随机向量序列,其联合分布的一致弱收敛与其线性组合的弱收敛之间有怎样的关系呢?我们通过一个例子表明,随机向量线性组合的弱收敛似乎要比其联合分布的一致弱收敛弱。但是,两者内在的关联还在进一步的探讨当中。本文的最后一部分进行了大量的模拟,通过选取不同的样本容量n和不同的维数m,给出了统计量Q（m）,通过重复,我们得到了3000个Q（m）的值,得到Q（m）的经验分布,对其与自由度为m的χ2分布进行拟合比较。和理论上一致,我们发现确实当m较小时,Q（m）的经验分布函数近似为χ2（m）分布,从而样本自协方差函数的联合分布与正态分布接近,但是当m较大时,两者相差较远。
论文目录
相关论文文献
- [1].自协方差函数的局部影响分析[J]. 廊坊师范学院学报(自然科学版) 2012(03)
- [2].非参数趋势项时间序列自协方差函数的变点检测[J]. 南京大学学报(数学半年刊) 2017(01)
- [3].混合自回归条件异方差模型的谱分析[J]. 南京工程学院学报(自然科学版) 2011(01)
- [4].ARMA模型的稳健识别及实证分析[J]. 统计与决策 2014(09)
- [5].时间序列问题的建模方法和过程[J]. 数学理论与应用 2012(01)
- [6].基于协方差的正交频分复用系统抗干扰算法[J]. 上海交通大学学报 2008(02)
- [7].异方差混合转移分布模型的谱分析[J]. 统计与决策 2011(14)
- [8].混合自回归模型的谱分析[J]. 安徽大学学报(自然科学版) 2012(05)
- [9].经过线性变换的平稳序列的谱函数和谱密度[J]. 太原师范学院学报(自然科学版) 2017(02)
- [10].时间序列分析中观测数据不完全时自协方差的矩估计[J]. 浙江教育学院学报 2009(05)
- [11].合成带宽雷达缺失采样条件下的高分辨距离像获取[J]. 现代雷达 2018(03)
- [12].AR(1)模型中参数估计的偏差分析[J]. 统计与决策 2016(06)
- [13].基于谱分析的电气化铁路弓网接触压力平稳性分析[J]. 电气开关 2014(01)
- [14].不相关平稳序列的谱函数与谱密度[J]. 山西师范大学学报(自然科学版) 2018(02)
- [15].混合自回归模型自协方差函数绝对可和的探讨[J]. 南京工程学院学报(自然科学版) 2012(04)
- [16].具有嵌套性和自相关性的制造过程质量控制方法[J]. 电子科技大学学报 2012(06)
- [17].左删失数据下ARMA(p,q)模型的估计[J]. 纯粹数学与应用数学 2010(01)
- [18].Kriging插值和序贯高斯条件模拟算法的对比分析[J]. 地球信息科学学报 2010(06)