时间序列分解1

前言

本书致力于构建时间序列的随机统计模型并将其应用于重要领域。本书囊括了预测，建模，估计和检验，模拟动态关系的转移函数、模拟干预事件的影响和过程控制等主题。

第一章-引言

        一个时间序列是按时间顺序获取观测值的序列。许多数据集随时间序列产生。一个时间序列的代表性的内部特征是相邻观测点是相互独立的。时间序列观测点的独立性特质具有重要的实践价值interest。时间序列分析是考虑技术来分析它的独立性。这要求发展时间序列数据的随机动态模型，并且应用这些模型于重要领域。

        本书涉及的方法包括：构建，识别，拟合和检验模型，对于时间序列和动态系统。这些讨论 的方法适于离散（样本数据）系统，其中系统的观测值产生于相等的时间间隔。这里总结应用这些时间序列和动态模型的四个重要领域：

1，从当前和过去值，预测时间序列 的未来值；

2，确定服从于惯性的系统的转移函数-确定动态输入-输出模型，其可以显示任意给定输入序列的系统输出的影响；

3，使用转移函数中的indicator输入变量来表达和评价不寻常intervention干涉时间对于时间序列的行为的影响；

4，通过系统输出和涉及目标值之间的潜在偏差尽可能的被输入序列调整值补偿，来设计简单空值机制。

1.1四个重要实践问题

1.1.1 预测时间序列

从时间序列中使用t时刻的可用观测值来预测它在未来t+l时刻的值，可提供一个基本原理①经济和商业计划②生产计划③发明和生产控制④控制和工业过程优化。预测总是需要通过一个被称为lead time的时期，且因问题而异。

假设，