我们在拿到一个观察值序列之后,首先是判断它的平稳性。通过平稳性的检验,序列可以分为平稳序列和非平稳序列两大类。(通过平稳性检验判断序列的平稳性)
对于非平稳序列,由于它不具有二阶平稳的性质,所以对它的统计分析要费一些周折,通常要通过进一步的检验、变换或处理,才能确定适当的拟合模型。
对于平稳序列,情况就简单多了。我们有一套非常成熟的平稳序列建模方法。但是,并不是所有的平稳序列都值得建模。只有那些序列值之间具有密切的相关关系,历史数据对未来的发展有一定影响的序列,才值得我们花时间去挖掘历史数据中的有效信息,用来预测序列未来的发展。
如果序列值彼此之间没有任何相关性,那就意味着该序列是一个没有记忆的序列,过去的行为对将来的发展没有丝毫影响,这种序列称为纯随机序列。从统计角度而言,纯随机序列是没有任何分析价值的序列。
确定了序列是平稳序列后,还要进行随机性检验来确定平稳序列是否值得继续分析下去。
纯随机序列,也称为白噪声序列。之所以称为白噪声序列,是因为人们最初发现白光具有这种特性。容易证明白噪声序列一定是平稳序列,而且是最简单的平稳序列。
1.随机产生1000个服从标准正态分布的白噪声序列观察值,并绘制时序图。
正态分布随机数生成函数是rnorm。rnorm函数的命令格式为:
rnorm(n=, mean=, sd=)
式中:
n:随机数个数
mean:均值,缺省值默认为0
sd:标准差,缺省值默认为1
注:如果要产生n个服从标准正太分布的随机数,可以简写为rnorm(n)
所以本次命令与输出结果如下。
> white_noise<-rnorm(1000)
> white_noise<-ts