自相关系数的一些问题

一、自协方差和自相关系数

p阶自回归AR(p)

自协方差 r(t,s)=E[X(t)-EX(t)][X(s)-EX(s)]

自相关系数ACF=r(s,t)/[(DX(t).DX(s))^0.5]

二、平稳时间序列自协方差与自相关系数

1、平稳时间序列可以定义r(k)为时间序列的延迟k自协方差函数:

r(k)=r(t,t+k)=E[X(t)-EX(t)][X(t+k)-EX(t+k)]

2、平稳时间序列的方差相等DX(t)=DX(t+k)=σ2,

所以DX(t)*DX(t+k)=σ2*σ2,

所以[DX(t)*DX(t+k)]^0.5=σ2

而r(0)=r(t,t)=E[X(t)-EX(t)][X(t)-EX(t)]=E[X(t)-EX(t)]^2=DX(t)=σ2

简而言之,r(0)就是自己与自己的协方差,就是方差,

所以,平稳时间序列延迟k的自相关系数ACF等于:

p(k)=r(t,t+k)/[(DX(t).DX(t+k))^0.5]=r(k)/σ2=r(k)/r(0)

3、平稳AR(p)的自相关系数具有两个显著特征:一是拖尾性;二是呈负指数衰减。
共轭梯度法是一种迭代法,用于求解线性方程组或者优化问题中的共轭梯度方向。在求解自相关系数矩阵问题中,可以将其视为线性方程组的求解问题。 首先,我们需要将自相关系数矩阵表示为一个线性方程组。假设我们有一个长度为N的序列x,其自相关系数矩阵为R。则可以将这个问题表示为以下的线性方程组: R * w = b 其中,w是待求解的权重向量,b是一个已知向量。通过求解这个线性方程组,我们可以得到权重向量w。 接下来,我们可以使用共轭梯度法来求解这个线性方程组。共轭梯度法的基本思想是通过迭代的方式求解线性方程组,每一步迭代都能得到一个新的近似解,并且保证每次迭代得到的解都是共轭方向。 具体的共轭梯度法算法如下: 1. 初始化权重向量w为一个零向量。 2. 初始化残差向量r为b - R * w。 3. 初始化搜索方向向量d为r。 4. 迭代计算: - 计算步长alpha = (r^T * r) / (d^T * R * d)。 - 更新权重向量w = w + alpha * d。 - 更新残差向量r = r - alpha * R * d。 - 计算新的搜索方向向量beta = (r^T * r) / (old_r^T * old_r)。 - 更新搜索方向向量d = r + beta * d。 5. 重复步骤4,直到满足终止条件,例如残差的范数小于某个阈值。 通过以上的迭代过程,可以逐步逼近线性方程组的解,从而求解出自相关系数矩阵的权重向量w。 需要注意的是,共轭梯度法要求自相关系数矩阵R是对称正定的。如果R不满足这个条件,需要进行一些预处理步骤,例如使用共轭梯度法的预处理方法来处理非对称或者非正定矩阵
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值