Эконометрика лекции
При анализе временных рядов
При анализе временных рядов, то есть последовательности значений случайной величины X(t), часто невозможно определить, без специальных методов, в каком направлении процесс развивается: наблюдается ли тенденция возрастания или падения, или значения колеблются вокруг определенного уровня. Также требуется анализ выявляющий причины варьирования уровней ряда динамики. Такой анализ проводится методами теории случайных процессов.
Случайные процессы представляют собой семейство случайных величин X(t), зависящих от одного параметра t, чаще всего времени.
Основными характеристиками случайного процесса являются математическое ожидание, дисперсия и автокорреляционная функция.
В каждый момент времени t случайный процесс может иметь ряд значений образующих вектор значений
(5.1)
процесса X(t), где k– число реализаций этого процесса. Вектор X(t) называется сечением процесса X(t) в момент времени t. Сечение процесса является случайной величиной.
Математическим ожиданием процесса 
является неслучайная функция
(5.2)
Таким образом, 
— обычная функция, вокруг которой колеблются значения реализаций процесса.
Например, при нивелировании первого класса производится восемь независимых измерений
(реализаций) процесса на каждом шаге j
= 1, 2, … N. Математическим ожиданием этого процесса является среднее значение
Параграфы
- Сущность и история возникновения эконометрики
- </b>Парный регрессионный анализ
- Множественная регрессия
- Гетероскедастичность моделей, ее обнаружение и методы устранения гетероскедастичности
- прогнозирование временных рядов
- Сглаживание Временных рядов
- ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ
- Моделирование структурными уравнениями
- РАЗНОСТНЫЕ УРАВНЕНИЯ И ИХ РЕШЕНИЕ
- Стационарные временные ряды авторегрессии-скользящего среднего
- Временные ряды с высокой изменчивостью
- Ложная регрессия, коинтеграция и модели корректировки ошибок
- Элементы линейной алгебры
- Элементы теории вероятностей и математической статистики
- метод наименьших квадратов