时间序列教程 四、自回归和移动平均模型

本文深入探讨自相关函数(ACF)和偏自相关函数(PACF),并介绍自回归(AR)和移动平均(MA)模型的工作原理。通过Python演示如何拟合自相关模型,帮助理解在时间序列分析中如何选择AR模型或MA模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、本节目标

了解自相关函数(ACF)。

了解部分自相关函数(PACF)。

了解自回归和移动平均模型是如何工作的。

使用Python来拟合自相关模型。

二、ACF和PACF

1、自相关函数(ACF)

测量信号与自身延迟数据的相关性。

它用于发现信号中的重复模式,例如周期性信号的存在。

其中\mu为平均值,\sigma ^2为方差

 2、偏自相关函数(PACF)

滞后k处的部分自相关是

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

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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