Dưới đây là một ví dụ về loạt không cố định mà thậm chí không có kiểm tra tiếng ồn trắng nào có thể phát hiện (huống chi là kiểm tra loại Dickey-Fuller):
Vâng, điều này có thể gây ngạc nhiên nhưng Đây không phải là tiếng ồn trắng .
Hầu hết các ví dụ về bộ đếm không cố định đều dựa trên sự vi phạm hai điều kiện đầu tiên của văn phòng phẩm: xu hướng xác định (trung bình không cố định) hoặc chuỗi thời gian gốc đơn vị / không đồng nhất (phương sai không liên tục). Tuy nhiên, bạn cũng có thể có các quy trình không cố định có giá trị trung bình và phương sai không đổi, nhưng chúng vi phạm điều kiện thứ ba: hàm tự động điều khiển (ACVF) không đổi theo thời gian và hàm của | s - t | chỉ có.c o v ( xS, xt)| s-t |
Chuỗi thời gian ở trên là một ví dụ về chuỗi như vậy, có giá trị trung bình bằng 0, phương sai đơn vị, nhưng ACVF phụ thuộc vào thời gian. Chính xác hơn, quá trình trên là một MA văn phòng phẩm tại địa phương (1) quá trình với các thông số như vậy mà nó trở thành tiếng ồn trắng giả mạo (xem tài liệu tham khảo dưới đây): tham số của quá trình MA thay đổi theo thời gianxt= εt+ θ1εt - 1
θ1( U ) = 0,5 - 1 ⋅ u ,
u = t / T
Để biết thêm mã R và biết thêm chi tiết, xem thêm bài đăng trên blog này .
Cập nhật sau khi mpiktas bình luận :
θ ( u )γθ( k , bạn )θˆθ ( u )θ ( u ) - θˆθˆ
Hãy xem một ví dụ
library(fracdiff)
library(data.table)
tree.ring <- ts(fread(file.path(data.path, "tree-rings.txt"))[, V1])
layout(matrix(1:4, ncol = 2))
plot(tree.ring)
acf(tree.ring)
mod.arfima <- fracdiff(tree.ring)
mod.arfima$d
## [1] 0.236507
dˆ= 0,23dˆ< 0,5
arfima.res <- diffseries(tree.ring, mod.arfima$d)
plot(arfima.res)
acf(arfima.res)
Có vẻ tốt phải không? Vâng, vấn đề là phần dư là tiếng ồn trắng giả . Làm sao tôi biết? Đầu tiên, tôi có thể kiểm tra nó
Box.test(arfima.res, type = "Ljung-Box")
##
## Box-Ljung test
##
## data: arfima.res
## X-squared = 1.8757, df = 1, p-value = 0.1708
Box.test.ls(arfima.res, K = 4, type = "Ljung-Box")
##
## LS Ljung-Box test; Number of windows = 4; non-overlapping window
## size = 497
##
## data: arfima.res
## X-squared = 39.361, df = 4, p-value = 5.867e-08
và thứ hai, chúng ta biết từ tài liệu rằng dữ liệu vòng cây trên thực tế là nhiễu phân đoạn cố định cục bộ: xem Goerg (2012) và Ferreira, Olea và Palma (2013) .
Điều này cho thấy rằng - ví dụ về mặt lý thuyết của tôi, thực sự đang xảy ra trong hầu hết các ví dụ thực tế.