Спектр процессов авторегрессии и скользящего среднего

В разд 6 1 говорится о том, что классический анализ Фурье не применим к временным рядам Так, оценка спектра, полученная по формулам анализа Фурье, а именно выборочный спектр, обладает тем нежелательным свойством, что ее дисперсия не уменьщается при увеличении длины временного ряда Поэтому для временных рядов методы гл 2 нужно видоизменить В результате мы приходим в разд 6 2 к такому определению спектра, которое подходит для случайных процессов В этом разделе рассматриваются также спектры процессов авторегрессии и скользящего среднего [c.255]

Спектры процессов авторегрессии и скользящего среднего [c.275]

Гл 5 содержит некоторые элементарные понятия теории случайных процессов, такие, например, как стационарность, автокорреляционная функция и понятие о процессе скользящего среднего — авторегрессий Изложены и проиллюстрированы примерами методы оценки автокорреляционных функций и параметров линейных процессов В гл 6 понятия анализа Фурье и теории случайных процессов объединяются для получения способа описания стационарного случайного процесса с помощью его спектра Показано, как должны быть модифицированы методы анализа Фурье для того, чтобы оценить спектр процесса по реализации конечной длины Затем выводятся выборочные свойства спектральных оценок и вво [c.10]

В разд 11 1 некоторые из понятий, применявшихся в анализе одномерных и двумерных рядов, заново формулируются в терминах теории матриц В частности, дается определение матрицы ковариаций временного ряда и показывается, что спектр тесно связан с ее собственными числами В разд 11 2 вводится многомерная линейная система Линейный многомерный процесс определяется как выход такой системы, когда на ее входы поступают несколько некоррелированных белых шумов Важными частными случаями многомерных линейных процессов являются двумерные процессы авторегрессии и скользящего среднего [c.222]

Справочник химика 21

Химия и химическая технология