標本相関がゼロでも、線形関係がないとは限らない - ページ 52

新しいコメント
 
素晴らしい:)続きは明日お伝えします。
 

読んで泣いてください...。

定常系列とエルゴード系列は、一定のマット期待値、分散、自己相関 関数を持ち、水平またはほぼ水平な線によって外挿されます。

問題は、なぜ実用的な観点から、静止系列やエルゴード系列に対してQCを考慮しなければならないのか、ということです。

 
Demi:

は、水平またはほぼ水平な線で外挿される。

x[i] = -0.5+(i%2); i=1,2...+Inf: -0.5, 0.5, 0.5, ...の形の系列をとります。定常、MO=0、分散=0.25。ACFはゼロと偶数のラグ値で1に等しく、奇数のラグ値で-1に等しい。任意の直線を用いた外挿では、少なくとも0.25の誤差分散が生じますが、式 x_hat[i+1]=-x[i] を用いた外挿では、誤差はゼロとなります。:P

 
anonymous:

x[i] = -0.5+(i%2); i=1,2...+Inf: -0.5, 0.5, 0.5, ...の形の系列をとります。定常、MO=0、分散=0.25。ACFはゼロと偶数のラグ値で1に等しく、奇数のラグ値で-1に等しい。任意の直線を用いた外挿では、少なくとも0.25の誤差分散が生じますが、式 x_hat[i+1]=-x[i] を用いた外挿では、誤差はゼロとなります。:P

でも、このシリーズが、どんな傾斜角の直線で外挿されるのか、試してみよう。
 
Demi:
このシリーズは、どのような傾斜角の直線で外挿されるのですか？

その処理では、直線の傾きや垂直方向のオフセットがどうであれ、直線を外挿する際に誤差分散を0.25以下にすることは基本的に不可能である。しかし、誤差がゼロになるような自己回帰モデルを簡単に構築することができる。

この例は、定常的でエルゴード的な直線過程の外挿性についてのあなたの主張に反論するために示されたものです。あなたの発言は、IIDインクリメントのあるプロセスにのみ当てはまります。デルタ相関のない定常エルゴード過程では、任意の直線を用いた外挿よりも誤差分散が小さくなるARモデルを構築することが可能です。また、このようなプロセスのサンプル間に非線形依存性がある場合、直線よりも優れたモデルを構築することが可能である。

 
anonymous:

その処理では、直線の傾きや垂直方向のオフセットがどうであれ、直線を外挿する際に誤差分散を0.25以下にすることは基本的に不可能である。しかし、誤差がゼロになるような自己回帰モデルを簡単に構築することができる。

この例は、定常的でエルゴード的な直線過程の外挿性についてのあなたの主張に反論するために示されたものです。あなたの発言は、IIDインクリメントのあるプロセスにのみ当てはまります。デルタ相関のない定常エルゴード過程では、任意の直線を用いた外挿よりも誤差分散が小さくなるARモデルを構築することが可能です。また、このようなプロセスのサンプル間に非線形依存性がある場合、直線よりも優れたモデルを構築することが可能である。

)))とても面白い

1.私は、定常的でエルゴード的な過程は直線で外挿するのが最も良いとは書いていない。作り込まないでください。確かに、いくつかの定常過程やエルグ過程では、非線形外挿の方が精度が高いです。

2.誤差の分散を気にしない。このプロセスは、スタッツやエルグと同じく、水平または水平に近い直線で外挿される。あるいは、スタットやエルグ過程を外挿する線が水平か、ほぼ水平であることが必要です。

P.S. しかし、疑問は変わりません。なぜ、実用的な観点から、スタットシリーズやエルグシリーズのQCを全く計算しないのでしょうか？

 
Demi: P.S. しかし、疑問は変わりません。なぜ、実用的な観点から、定常およびエルゴード系列のQCを全く計算しないのでしょうか？
定常過程とエルゴード過程がすべて同じとは限らないから、当然といえば当然である。
 
問題は、「何のために」（なぜ、いいかげんにしろ...）であった。
 
tara: 問題は、何のために（なぜ、クソ...）ということだった。

私のミスで、「なぜ」の質問に答えてしまいました。

Why - シリーズに特有のデータの依存関係を特定するため。

 
それでこそ、あなた
1...45464748495051525354555657585960
新しいコメント