当前位置: 首页 > news >正文

Day 56

 

1. 假设检验基础知识

• 原假设与备择假设:原假设(H₀)是被检验的初始假设,通常假设“无差异”“无关联”等;备择假设(H₁)是与原假设对立的假设,当原假设被拒绝时接受备择假设。

• 关键概念:

◦ 统计量:根据样本数据计算的用于检验假设的数值。

◦ P值:在原假设成立时,得到当前及更极端样本结果的概率,P值越小,越有理由拒绝原假设。

◦ 显著水平(α):预先设定的拒绝原假设的阈值(如0.05),当P值≤α时拒绝原假设。

◦ 置信区间:按一定置信水平(如95%)估计的总体参数所在范围,若区间不包含原假设的参数值,可拒绝原假设。

2. 白噪声

• 定义:均值为0、方差恒定,且不同时刻的观测值互不相关(自相关系数为0)的随机序列。

• 自相关性检验:

◦ ACF检验:通过自相关函数(ACF)判断序列在不同滞后阶数下的相关性,白噪声的ACF值应接近0。

◦ Ljung-Box检验:综合检验序列在多个滞后阶数下是否存在自相关,若P值>α,可认为是白噪声。

• 偏自相关性检验(PACF检验):通过偏自相关函数(PACF)剔除中间变量影响,直接反映序列在特定滞后阶数下的相关性,白噪声的PACF值也接近0。

3. 平稳性

• 定义:序列的统计特性(均值、方差、自相关系数等)不随时间变化,分为严平稳(所有统计特性不变)和弱平稳(均值、方差、自相关系数不变)。

• 单位根ADF检验:用于检验序列是否平稳,原假设为“存在单位根(非平稳)”,检验统计量越小(越负),越容易拒绝原假设,即序列越可能平稳。

4. 季节性检验

• ACF检验:若序列存在季节性(如月度数据的年度周期),则在季节性滞后阶数(如滞后12)处的ACF值显著不为0。

• 序列分解:将序列拆分为趋势成分(长期变化趋势)、季节性成分(周期性波动)和残差成分(随机波动),通过分解可直观识别季节性特征。

http://www.lryc.cn/news/583592.html

相关文章:

  • EPLAN 电气制图(六):结构盒与设备管理器核心概念(基础知识选看)
  • Linux操作系统之进程间通信:管道概念
  • EF提高性能(查询禁用追踪)(关闭延迟加载)
  • 神经网络初步学习3——数据与损失
  • 如何选择时序数据库:关键因素与实用指南
  • HCIP(综合实验)
  • 备受期待的 MMORPG 游戏《侍魂R》移动端现已上线 Sui
  • 【教程】基于GNN的药物相互作用网络中的链接预测
  • 200nl2sql
  • 安全管理协议(SMP):配对流程、密钥生成与防中间人攻击——蓝牙面试核心考点精解
  • python 在运行时没有加载修改后的版本
  • 自动驾驶决策与规划
  • 华为动态路由配置
  • 【Linux | 网络】socket编程 - 使用UDP实现服务端向客户端提供简单的服务
  • 分库分表之实战-sharding-JDBC水平分库+分表后:查询与删除操作实战
  • Android Notification 通过增加addAction 跳转回Service重新执行逻辑
  • 海信IP501H_GK6323处理器免拆卡刷包和线刷救砖包_当贝纯净版
  • LLM 在预测下一个词的时候是怎么计算向量的,说明详细过程
  • 数据库技术体系及场景选型方案
  • RNN及其变体的概念和案例
  • 数据一致性解决方案总结
  • 软件发布的完整流程梳理
  • brainstorm MEG处理流程
  • 【科研绘图系列】R语言绘制解剖图
  • 【leetcode】2235. 两整数相加
  • 本地Qwen中医问诊小程序系统开发
  • softmax
  • PyTorch数据准备:从基础Dataset到高效DataLoader
  • C#字符串相关库函数运用梳理总结 + 正则表达式详解
  • 基于物联网的智能家居控制系统设计与实现