logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • 更多功能
  • icon-appicon-app-active手机APP
首页
/
统计
题目

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 widehat(rho)_k (k = 1, 2, ..., 6).(3) 绘制该样本自相关图,并解释该图形.

考虑序列 $\{1, 2, 3, 4, 5, \cdots, 20\}$.

(1) 判断该序列是否平稳.

(2) 计算该序列的样本自相关系数 $\widehat{\rho}_k (k = 1, 2, \cdots, 6)$.

(3) 绘制该样本自相关图,并解释该图形.

题目解答

答案

1. 序列 $\{1, 2, \cdots, 20\}$ 是一个线性增长的确定性趋势序列,均值和方差均随时间变化,故为非平稳序列。 2. 样本自相关系数计算如下: \[ \begin{align*} \hat{\rho}_1 &= \frac{565.25}{665} \approx 0.850, \\ \hat{\rho}_2 &= \frac{466.5}{665} \approx 0.702, \\ \hat{\rho}_3 &= \frac{369.75}{665} \approx 0.556, \\ \hat{\rho}_4 &= \frac{276}{665} \approx 0.414, \\ \hat{\rho}_5 &= \frac{186.25}{665} \approx 0.280, \\ \hat{\rho}_6 &= \frac{101.5}{665} \approx 0.153. \end{align*} \] 3. 样本自相关图显示:$\hat{\rho}_k$ 随 $k$ 增加逐渐减小,呈拖尾现象。这表明序列具有显著的趋势性,当前值与过去值高度相关,且相关性随滞后增加而减弱。该图形进一步说明序列非平稳,需通过差分等方法消除趋势后才能建模。 (图形示意:横轴为滞后 $k$,纵轴为 $\hat{\rho}_k$,各点依次为 $(1, 0.85)$、$(2, 0.70)$、$(3, 0.56)$、$(4, 0.41)$、$(5, 0.28)$、$(6, 0.15)$,呈缓慢衰减趋势。)

解析

本题主要考察时间序列的平稳性判断、样本自相关系数的计算以及样本自相关图的绘制与解释。解题思路如下:

  1. 判断序列平稳性:
    • 平稳序列要求均值和方差不随时间变化。对于给定的序列 $\{1, 2, 3, 4, 5, \cdots, 20\}$,它是一个线性增长的确定性趋势序列。
    • 计算该序列的均值 $\bar{x}$,根据均值公式 $\bar{x}=\frac{1}{n}\sum_{i = 1}^{n}x_i$,其中 $n = 20$,$x_i=i$,则 $\bar{x}=\frac{1}{20}\sum_{i = 1}^{20}i$。
    • 由等差数列求和公式 $\sum_{i = 1}^{n}i=\frac{n(n + 1)}{2}$,可得 $\bar{x}=\frac{1}{20}\times\frac{20\times(20 + 1)}{2}=\frac{21}{2}=10.5$。
    • 计算方差 $s^2$,根据方差公式 $s^2=\frac{1}{n - 1}\sum_{i = 1}^{n}(x_i-\bar{x})^2$。
    • 由于该序列是线性增长的,随着时间 $i$ 的变化,均值和方差都会发生变化,所以该序列为非平稳序列。
  2. 计算样本自相关系数 $\widehat{\rho}_k$:
    • 样本自相关系数的计算公式为 $\widehat{\rho}_k=\frac{\sum_{t = 1}^{n - k}(x_t-\bar{x})(x_{t + k}-\bar{x})}{\sum_{t = 1}^{n}(x_t-\bar{x})^2}$。
    • 先计算 $\sum_{t = 1}^{n}(x_t-\bar{x})^2$:
      • $\sum_{t = 1}^{20}(t - 10.5)^2=\sum_{t = 1}^{20}(t^2-21t + 110.25)$。
      • 根据 $\sum_{t = 1}^{n}t^2=\frac{n(n + 1)(2n + 1)}{6}$,$\sum_{t = 1}^{n}t=\frac{n(n + 1)}{2}$,可得:
        • $\sum_{t = 1}^{20}t^2=\frac{20\times(20 + 1)\times(2\times20 + 1)}{6}=2870$,$\sum_{t = 1}^{20}t=\frac{20\times(20 + 1)}{2}=210$。
        • $\sum_{t = 1}^{20}(t^2-21t + 110.25)=\sum_{t = 1}^{20}t^2-21\sum_{t = 1}^{20}t+20\times110.25=2870-21\times210 + 2205=2870-4410 + 2205=665$。
    • 当 $k = 1$ 时:
      • $\sum_{t = 1}^{19}(t - 10.5)(t + 1-10.5)=\sum_{t = 1}^{19}(t - 10.5)(t - 9.5)=\sum_{t = 1}^{19}(t^2-20t + 99.75)$。
      • $\sum_{t = 1}^{19}t^2=\frac{19\times(19 + 1)\times(2\times19 + 1)}{6}=2470$,$\sum_{t = 1}^{19}t=\frac{19\times(19 + 1)}{2}=190$。
      • $\sum_{t = 1}^{19}(t^2-20t + 99.75)=\sum_{t = 1}^{19}t^2-20\sum_{t = 1}^{19}t+19\times99.75=2470-20\times190+1895.25=2470-3800 + 1895.25=565.25$。
      • 则 $\widehat{\rho}_1=\frac{565.25}{665}\approx0.850$。
    • 当 $k = 2$ 时:
      • $\sum_{t = 1}^{18}(t - 10.5)(t + 2-10.5)=\sum_{t = 1}^{18}(t - 10.5)(t - 8.5)=\sum_{t = 1}^{18}(t^2-19t + 89.25)$。
      • $\sum_{t = 1}^{18}t^2=\frac{18\times(18 + 1)\times(2\times18 + 1)}{6}=2109$,$\sum_{t = 1}^{18}t=\frac{18\times(18 + 1)}{2}=171$。
      • $\sum_{t = 1}^{18}(t^2-19t + 89.25)=\sum_{t = 1}^{18}t^2-19\sum_{t = 1}^{18}t+18\times89.25=2109-19\times171+1606.5=2109-3249+1606.5=466.5$。
      • 则 $\widehat{\rho}_2=\frac{466.5}{665}\approx0.702$。
    • 同理可计算出 $k = 3,4,5,6$ 时的样本自相关系数:
      • 当 $k = 3$ 时,$\sum_{t = 1}^{17}(t - 10.5)(t + 3-10.5)=\sum_{t = 1}^{17}(t - 10.5)(t - 7.5)=\sum_{t = 1}^{17}(t^2-18t + 78.75)=369.75$,$\widehat{\rho}_3=\frac{369.75}{665}\approx0.556$。
      • 当 $k = 4$ 时,$\sum_{t = 1}^{16}(t - 10.5)(t + 4-10.5)=\sum_{t = 1}^{16}(t - 10.5)(t - 6.5)=\sum_{t = 1}^{16}(t^2-17t + 68)=276$,$\widehat{\rho}_4=\frac{276}{665}\approx0.414$。
      • 当 $k = 5$ 时,$\sum_{t = 1}^{15}(t - 10.5)(t + 5-10.5)=\sum_{t = 1}^{15}(t - 10.5)(t - 5.5)=\sum_{t = 1}^{15}(t^2-16t + 57.75)=186.25$,$\widehat{\rho}_5=\frac{186.25}{665}\approx0.280$。
      • 当 $k = 6$ 时,$\sum_{t = 1}^{14}(t - 10.5)(t + 6-10.5)=\sum_{t = 1}^{14}(t - 10.5)(t - 4.5)=\sum_{t = 1}^{14}(t^2-15t + 47.25)=101.5$,$\widehat{\rho}_6=\frac{101.5}{665}\approx0.153$。
  3. 绘制样本自相关图并解释:
    • 以滞后 $k$ 为横轴,样本自相关系数 $\widehat{\rho}_k$ 为纵轴,绘制各点 $(1, 0.85)$、$(2, 0.70)$、$(3, 0.56)$、$(4, 0.41)$、$(5, 0.28)$、$(6, 0.15)$,可以看到 $\widehat{\rho}_k$ 随 $k$ 增加逐渐减小,呈拖尾现象。
    • 这种拖尾现象表明序列具有显著的趋势性,当前值与过去值高度相关,且相关性随滞后增加而减弱。该图形进一步说明序列非平稳,需通过差分等方法消除趋势后才能建模。

相关问题

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 2024年,我国每天大约有( )个小包裹往来于中国和世界各国之间A. 800万B. 1100万C. 1000万D. 900万

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号