样本相关性为零并不一定意味着没有线性关系 - 页 52

新评论
 
很好!:)我明天会告诉你其他的事情。
 

阅读和哭泣....

静止和遍历序列具有恒定的垫面期望值、方差、自相关 函数，并通过水平线或接近水平线进行推断。

问题是，从实际的角度来看，为什么我们甚至应该考虑静止和遍历序列的QC？

 
Demi:

是用水平线或接近水平线推算出来的。

取一个形式为x[i]=-0.5+(i%2); i=1,2...+Inf的数列：-0.5, 0.5, -0.5, 0.5, ...。静止的，MO=0，方差=0.25。ACF对于零和偶数滞后值等于1，对于奇数滞后值等于-1。使用任何直线进行外推，都会得到至少0.25的误差方差；使用公式x_hat[i+1]=-x[i]进行外推，会得到零误差。:P

 
anonymous:

取一个形式为x[i]=-0.5+(i%2); i=1,2...+Inf的数列：-0.5, 0.5, -0.5, 0.5, ...。静止的，MO=0，方差=0.25。ACF对于零和偶数滞后值等于1，对于奇数滞后值等于-1。使用任何直线进行外推，都会得到至少0.25的误差方差；使用公式x_hat[i+1]=-x[i]进行外推，会得到零误差。:P

啧啧，好吧，在一个几乎是星期六的晚上，这当然是很残酷的，但我要试一试--一个由直线推断的系列，斜率角度是多少？
 
Demi:
啧啧，好吧，在一个几乎是星期六的晚上，这当然是很残酷的，但我会给它一个尝试--由一条直线推断出的系列，斜率角度是多少？

对于这个过程，无论直线的斜率和垂直偏移量是多少，在推断直线时，从根本上说，不可能得到小于0.25的误差方差。然而，一个自回归模型可以很容易地被构建，以产生零误差。

举这个例子是为了反驳你关于任何静止的和遍历的直线过程的可推断性的说法。你的说法只适用于有IID增量的过程。对于不存在delta相关的静止遍历过程，你可以构建一个AR模型，其误差方差将小于使用任何直线进行推断的误差方差。在这种过程的样本之间存在非线性依赖的情况下，也有可能构建一个比直线更好的模型。

 
anonymous:

对于这个过程来说，无论直线的斜率和垂直偏移量是多少，在推断直线时，从根本上说，不可能得到小于0.25的误差方差。然而，一个自回归模型可以很容易地被构建，以产生零误差。

举这个例子是为了反驳你关于任何静止的和遍历的直线过程的可推断性的说法。你的说法只适用于有IID增量的过程。对于不存在delta相关的静止呃逆过程，你可以建立一个AR模型，其误差方差将小于使用任何直线进行外推的误差。在这种过程的样本之间存在非线性依赖的情况下，也有可能构建一个比直线更好的模型。

)))非常有趣

1.我没有写过静止和遍历过程最好用直线来推断。不要编造这个。当然，对于一些静止的和呃的过程，非线性外推法可以提供更好的准确性。

2.不关心误差方差。这个过程，就像统计学和厄尔尼诺一样，是用水平或接近水平的直线来推断的。或者说，推断统计和尔格过程的线必须是水平的或接近水平的。

P.S. 但问题仍然是--从实际的角度来看，为什么要计算统计和尔格系列的QC？

 
Demi: P.S. 但问题仍然是--从实际角度看，为什么要计算静止和遍历序列的QC？
因为并不是所有的静止过程和遍历过程都是一样的，这是很明显的。
 
问题是：为了什么（为什么，他妈的...）。
 
tara: 问题是为了什么（为什么，他妈的...）。

我的错，我回答了 "为什么 "的问题。

为什么--为了确定数据中特定于系列的依赖关系。

 
这就是你的全部
1...45464748495051525354555657585960
新评论