ARMA譜估計
線性系統可以用線性差分方程進行描述,這種差分模型就是自回歸----滑動平均模型(AutoRegression----Moving Average,ARMA )。
:任何壹個有理式的功率譜密度都可以用壹個ARMA隨機過程的功率譜密度精確逼近。
ARMA模型定義若離散隨機過程{x(n)}服從線性差分方程x(n)+Ai*x(n-i)=e(n)+Bj*e(n-j)
式中i=1,2,…p;j=1,2,…q;e(n)是壹離散白噪聲,則稱{x(n)}為ARMA過程,而上式稱為ARMA模型。
系數和分別稱為自回歸(AR)參數和滑動平均(MA)參數,而p和q分別叫做AR階數和MA階數。
顯然,ARMA模型描述的是壹個時不變的線性系統。
具有AR階數p和MA階數Q的ARMA過程常記作用ARMA(p,q)。
ARIMA模型,差分自回歸滑動平均模型(滑動也譯作移動),又稱求合自回歸滑動平均模型,時間序列預測分析方法之壹。
ARIMA(p,d,q)中,AR是自回歸,p為自回歸項數;
MA為滑動平均,q為滑動平均項數,d為使之成為平穩序列所做的差分次數(階數)。