AR(p)模型的建立1、\x05设 是[-0.5,0.5]上均匀分布的白噪声,模型的自回归系数为：,(1)\x05 在计算机上模拟产生一个符合此模型的长为505的序列片断(2)\x05 用以上的前500个数据求出自协方差和篇相

AR(p)模型的建立1、\x05设 是[-0.5,0.5]上均匀分布的白噪声,模型的自回归系数为：,(1)\x05 在计算机上模拟产生一个符合此模型的长为505的序列片断(2)\x05 用以上的前500个数据求出自协方差和篇相
AR(p)模型的建立
1、\x05设 是[-0.5,0.5]上均匀分布的白噪声,模型的自回归系数为：,
(1)\x05 在计算机上模拟产生一个符合此模型的长为505的序列片断
(2)\x05 用以上的前500个数据求出自协方差和篇相关系数,识别模型
(3)\x05 分别用AIC和BIC准则定阶,建立模型估计模型的参数
(4)\x05 检验模型的适应性
(5)\x05 用递推预测法预测后5个数据,与真实数据作比较,检验预测效果.
以下是一个AR(4) 模型例子的部分程序,
a1=-0.9;a2=-1.4;a3=-0.7;a4=-0.6;x(1)=0;x(2)=0;x(3)=0;x(4)=0;r=zeros(1,30);
for i=5:610
x(i)=a1*x(i-1)+a2*x(i-2)+a3*x(i-3)+a4*x(i-4)+unifrnd(-4,4);
end
for i=1:510
y(i)=x(i+100);
end
ybar=mean(y);
for i=1:30
for j=1:500-i
r(i)=r(i)+(y(j)-ybar)*(y(j+i-1)-ybar);
end
end
r=r/500;
%------------------------------------计算样本的自协方差函数----------------------------------------
bar(r,'r')
title(‘自协方差函数’) %-------------------画出自协方差函数的柱形图-----------------------------
b=zeros(1,30);
for n=1:29
gamma=zeros(n,n);
v=zeros(n,1);
for i=1:n
v(i)=r(i+1);
for j=1:n
gamma(i,j)=r(abs(i-j)+1);
end
end
a=inv(gamma)*v;t=0;
for k=1:n
t=t+a(k)*r(k+1);
end
sigma(n)=r(1)-t;
b(n)=a(n);
end
%------------------------用Yule-Walker方程求解偏相关系数-----------------------------
bar(b,'b')
axis([1,30,-1,1])
title(‘PCF’)%------------画出偏相关系数的柱形图------------------------
%%----------请同学们考虑用levinson递推公式法-----------------------
for i=1:12
bic(i)=log(sigma(i))+i*log(500)/500;
aic(i)=log(sigma(i))+2*i/500;
end
%------------------------------------AIC,BIC统计量-------------------------------------
%%%%%-------------------------补充：Levinson递推公式法-----------------------------
si=zeros(1,29);A=zeros(29);si(1)=r(1);a(1,1)=r(2)/si(1);
for k=2:29
nu=0;de=0;
si(k)=si(k-1)*(1-a(k-1,k-1));
for j=1:k-1
nu=nu+r(k-j+1)*a(k-1,j);
de=de+r(j+1)*a(k-1,j);
end
nu=r(k+1)-nu;
de=r(1)-de;
a(k,k)=nu/de;
for j=1:k-1
a(k,j)=a(k-1,j)-a(k,k)*a(k-1,k-j);
end
end
for i=1:29
c(i)=a(i,i);
end
c
%%%%%-------------------------补充：Levinson递推公式法-----------------------------
%%%%%
for i=1:496
e(i)=y(i+4)-a(4,1)*y(i+3)-a(4,2)*y(i+2)-a(4,3)*y(i+1)-a(4,4)*y(i);
end
ebar=mean(e);sd=495*std(e);p=zeros(1,495);
for i=1:495
for j=1:496-i
p(i)=p(i)+(e(j)-ebar)*(e(j+i-1)-ebar);
end
p=p/sd;
end
%模型的适应性检验,未完成,请同学们继续下去…
这是老师给的完整的题目,可耻的匿了.
我很白痴,希望高手能帮我用老师给的范例改下.今晚就要做好.

AR(p)模型的建立1、\x05设 是[-0.5,0.5]上均匀分布的白噪声,模型的自回归系数为：,(1)\x05 在计算机上模拟产生一个符合此模型的长为505的序列片断(2)\x05 用以上的前500个数据求出自协方差和篇相
代码发给你了.