应用时间序列课后答案
应用时间序列分析王燕答案
人大时间序列课后习题答案第二章P341、（1）因为序列具有明显的趋势，所以序列非平稳。
（2）样本自相关系数：∑∑=-=+---≅=nt tkn t k t tk x xx x x xk 121)())(()0()(ˆγγρ5.10)2021(20111=+++==∑= n t t x n x=-=∑=2201)(201)0(x x t tγ35 =--=+=∑))((191)1(1191x x x x t t t γ29.75 =--=+=∑))((181)2(2181x x x x t t t γ25.9167 =--=+=∑))((171)3(3171x x x x t t t γ21.75 γ(4)=17.25 γ(5)=12.4167 γ(6)=7.25 1ρ=0.85（0.85） 2ρ=0.7405（0.702） 3ρ=0.6214（0.556）4ρ=0.4929（0.415） 5ρ=0.3548（0.280） 6ρ=0.2071（0.153）注：括号内的结果为近似公式所计算。
（3）样本自相关图：Autocorrelation Partial CorrelationAC PAC Q-Stat Prob . |*******| . |*******| 1 0.850 0.850 16.732 0.000 . |***** | . *| . | 2 0.702 -0.076 28.761 0.000 . |**** | . *| . | 3 0.556 -0.076 36.762 0.000 . |*** | . *| . | 4 0.415 -0.077 41.500 0.000 . |**. | . *| . | 5 0.280 -0.077 43.800 0.000 . |* . | . *| . | 6 0.153 -0.078 44.533 0.000 . | . | . *| . | 7 0.034 -0.077 44.572 0.000 . *| . | . *| . | 8 -0.074 -0.077 44.771 0.000 . *| . | . *| . | 9 -0.170 -0.075 45.921 0.000 .**| . |. *| . |10 -0.252 -0.072 48.713 0.000.**| . | . *| . | 11 -0.319 -0.067 53.693 0.000 ***| . |. *| . |12 -0.370 -0.060 61.220 0.0004、∑=⎪⎪⎭⎫ ⎝⎛-+=mk k k n n n LB 12ˆ)2(ρLB(6)=1.6747 LB(12)=4.9895205.0χ(6)=12.59 205.0χ(12)=21.0显然，LB 统计量小于对应的临界值，该序列为纯随机序列。
应用统计学时间序列习题及答案
计算题：34323*22562584*22582603*22602502*2250254++++++++++=a = (人计算（1）第一季度该店平均每月商品销售额（2）第一季度平均销售员人数（3）第一季度平均每个销售员的销售额 （4）第一季度平均每月每个销售员的销售额 解：（1）商品销售额为时期总量指标时间序列，4月不属一季度，该数据无用3280350300++=a = （万元）（2) 销售员人数是时点总量指标时间序列，间断间隔相等，用首尾折半法，4月初人数相当于3月末人数，这个数据有用32424045240+++=b = （人） （3）32424045240280350300+++++==平均人数一季度销售额c = （万元/人） （4）3324240452403028350300c d =+++++==平均人数一季度月平均销售额 = （万元/人）要求：（1）根据表中资料 ，计算并填制表中空白栏指标（2）计算该地财政收入的这几年的年平均发展水平、年平均增长水平（水平法）和平均增长速度（几何平均法）（3）超过平均增长速度的年份有哪些年？解：注意平均时项数的确定，写计量单位，我以下省略了单位1430%02.193*430116430%02.193*4307%02.193*4304554301)26n 0010-=-=-='-=-=∆+++=+++=a a V V n a a n a a a a n n n （（3）填全表中各年的环比增长速度，和年平均增长速度进行比较即可4. 某地1980~1990年间（以1979年为基期:a0），地区生产总值以平均 每年25%的速度增长(平均增长速度），而1991~2000年间地区生产总值以平均每年30%的速度增长（平均增长速度），2001~2012年间地区生产总值以平均每年18%的速度增长，则1980~2012年间，该地区的生产总值平均每年的增长速度是多少？（重点：正确确定时间段长短）解：注意是以1979年为基期，经过33年发展到2012年，求这段时间的平均增长速度1%118*%130*%125133121011-=-='V V5. 某地1980年的人口是120万人，1981~2000年间人口平均增长率为1.2%，之后下降到1%，按此增长率到2008年人口会达到多少？如果要求到2012年人口控制在170万以内，则2008年以后人口的增长速度应控制在什么范围内？ 解：1)2(%101*%2.101*)140812*******-='==V V V a a a a （（1）分别用最小平方法的普通法和简捷法配合直线方程，并预测2010年该企业产值 （2）比较两种方法得出的结果有无异同。
应用时间序列分析 第三版 王燕 课后答案
1 1.3738
2 -0.8736
（2） | 2 | 0.3 1 ， 2 1 0.8 1 ， 2 1 1.4 1，模型平稳。
1 0.6
2 0.5
（3） | 2 | 0.3 1 ， 2 1 0.6 1 ， 2 1 1.2 1 ，模型可逆。
2、解：对于 AR（2）模型：
22 0
1 1 0 2 1 1 2 1 0.5 2 1 1 2 0 1 1 2 0.3
解得：
1 7 / 15 2 1 / 15
3、解：根据该 AR(2)模型的形式，易得： E ( xt ) 0 原模型可变为： xt 0.8xt 1 0.15xt 2 t
j
eT (3) G0 t 3 G1 t 2 G2 t 1 t 3 1 t 2 12 t 1
第二章 P34 1、 （1）因为序列具有明显的趋势，所以序列非平稳。 （2）样本自相关系数：
(k ) ˆk (0)
(x
t 1
nk
t
x )( x t k x )
t
(x
t 1
n
x) 2
1 n 1 x xt (1 2 20) 10.5 n t 1 20
(4)=17.25
(5)=12.4167
(6)=7.25
1 =0.85（0.85）
2 =0.7405（0.702）
3 =0.6214（0.556）
4 =0.4929（0.415） 5 =0.3548（0.280）
注：括号内的结果为近似公式所计算。 （3）样本自相关图： Autocorrelation Partial Correlation . |*******| . |***** | . |**** . |*** . |**. . |* . . | . . *| . . *| . | | | | | | | . |*******| . *| . | . *| . . *| . . *| . . *| . . *| . . *| . . *| . | | | | | | |
人大版应用时间序列分析(第5版)习题答案
第一章习题答案略第二章习题答案2.1答案：（1）不平稳，有典型线性趋势（2）1-6阶自相关系数如下（3）典型的具有单调趋势的时间序列样本自相关图2.2答案：（1）不平稳（2）延迟1-24阶自相关系数（3）自相关图呈现典型的长期趋势与周期并存的特征2.3答案：（1）1-24阶自相关系数（2）平稳序列（3）非白噪声序列2.4计算该序列各阶延迟的Q统计量及相应P值。
由于延迟1-12阶Q统计量的P值均显著大于0.05，所以该序列为纯随机序列。
2.5答案（1）绘制时序图与自相关图（2）序列时序图显示出典型的周期特征，该序列非平稳（3）该序列为非白噪声序列2.6答案（1）如果是进行平稳性图识别，该序列自相关图呈现一定的趋势序列特征，可以视为非平稳非白噪声序列。
如果通过adf检验进行序列平稳性识别，该序列带漂移项的0阶滞后P值小于0.05，可以视为平稳非白噪声序列（2）差分后序列为平稳非白噪声序列2.7答案（1）时序图和自相关图显示该序列有趋势特征，所以图识别为非平稳序列。
（2）单位根检验显示带漂移项0阶延迟的P值小于0.05，所以基于adf检验可以认为该序列平稳（3）如果使用adf检验结果，认为该序列平稳，则白噪声检验显示该序列为非白噪声序列如果使用图识别认为该序列非平稳，那么一阶差分后序列为平稳非白噪声序列2.8答案（1）时序图和自相关图都显示典型的趋势序列特征（2）单位根检验显示该序列可以认为是平稳序列（带漂移项一阶滞后P值小于0.05）（3）一阶差分后序列平稳第三章习题答案 3.10101()0110.7t E x φφ===--（） 221112() 1.96110.7t Var x φ===--（） 22213=0.70.49ρφ==（）12122221110.490.7=0110.71ρρρφρρ-==-（4） 3.21111222211212(2)7=0.515111=0.30.515AR φφφρφφφρφρφφφ⎧⎧⎧=⎪=⎪⎪⎪--⇒⇒⎨⎨⎨⎪⎪⎪=+=+⎩⎩⎪⎩模型有：,2115φ=3.312012(1)(10.5)(10.3)0.80.15()01t t t t t tt B B x x x x E x εεφφφ----=⇔=-+==--,22121212()(1)(1)(1)10.15=(10.15)(10.80.15)(10.80.15)1.98t Var x φφφφφφ-=+--+-+--+++=（）1122112312210.83=0.70110.150.80.70.150.410.80.410.150.70.22φρφρφρφρφρφρ==-+=+=⨯-==+=⨯-⨯=（） 1112223340.70.15=0φρφφφ====-（）3.41211110011AR c c c c c ⎧<-<<⎧⎪⇒⇒-<<⎨⎨<±<⎪⎩⎩（） （）模型的平稳条件是 1121,21,2k k k c c k ρρρρ--⎧=⎪-⎨⎪=+≥⎩（） 3.5证明:该序列的特征方程为：320c c λλλ--+=，解该特征方程得三个特征根：11λ=，2λ=3λ=无论c 取什么值，该方程都有一个特征根在单位圆上，所以该序列一定是非平稳序列。
课后习题答案-时间序列分析及应用(R语言原书第2版)
stationary.
(b) Find the autocovariance function for {Yt}. Cov(Yt,Yt − k) = Cov(X,X) = σ2 for all t and k, free of t (and k). (c) Sketch a “typical” time plot of Yt. The plot will be a horizontal “line” (really a discrete-time horizontal line)
relation functions are the same for θ = 3 and θ = 1/3. For simplicity, suppose that the process mean is known
to be zero and the variance of Yt is known to be 1. You observe the series {Yt} for t = 1, 2,..., n and suppose that you can produce good estimates of the autocorrelations ρk. Do you think that you could determine which value of θ is correct (3 or 1/3) based on the estimate of ρk? Why or why not?
应用时间序列习题(含答案)
应用时间序列习题(含答案)一、单项选择题1．时间数列与变量数列( )A 都是根据时间顺序排列的B 都是根据变量值大小排列的C 前者是根据时间顺序排列的，后者是根据变量值大小排列的D 前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间数列中，数值大小与时间长短有直接关系的是( )A 平均数时间数列B 时期数列C 时点数列D 相对数时间数列3．发展速度属于( )A 比例相对数B 比较相对数C 动态相对数D 强度相对数4．计算发展速度的分母是( )A 报告期水平B 基期水平C 实际水平D 计划水平5．某车间月初工人人数资料如下：则该车间上半年的平均人数约为( )A 296人B 292人C 295 人D 300人6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( )A150万人 B150．2万人 C150．1万人 D 无法确定 7．由一个9项的时间数列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 8．采用几何平均法计算平均发展速度的依据是( )A 各年环比发展速度之积等于总速度B 各年环比发展速度之和等于总速度C 各年环比增长速度之积等于总速度D 各年环比增长速度之和等于总速度 9．某企业的产值2005年比2000年增长了58．6％，则该企业2001—2005年间产值的平均发展速度为( )A 5%6.58B 5%6.158C 6%6.58 D6%6.158 10．根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( )A 简单平均法B 几何平均法C 加权序时平均法D 首末折半法11、时间序列在一年内重复出现的周期性波动称为（ ）A 、长期趋势B 、季节变动C 、循环变动D 、随机变动1．C 2．B 3．C 4．B 5．C 6．C 7．A 8．A 9．B 10．D 11、B二、多项选择题1．对于时间数列，下列说法正确的有( )A 数列是按数值大小顺序排列的B 数列是按时间顺序排列的C 数列中的数值都有可加性D 数列是进行动态分析的基础E 编制时应注意数值间的可比性 2．时点数列的特点有( )A 数值大小与间隔长短有关B 数值大小与间隔长短无关C 数值相加有实际意义D 数值相加没有实际意义E 数值是连续登记得到的 3．下列说法正确的有( )A 平均增长速度大于平均发展速度B 平均增长速度小于平均发展速度C 平均增长速度=平均发展速度-1D 平均发展速度=平均增长速度-1E 平均发展速度×平均增长速度=14．下列计算增长速度的公式正确的有( )A%100⨯=基期水平增长量增长速度 B %100⨯=报告期水平增长量增长速度C 增长速度= 发展速度—100％D %100⨯-=基期水平基期水平报告期水平增长速度E %100⨯=基期水平报告期水平增长速度5．采用几何平均法计算平均发展速度的公式有( )A1231201-⨯⨯⨯⨯=n n a a a a a a a a nx B 0a a n x n =C1a a nx n= D n R x = En x x ∑=6．某公司连续五年的销售额资料如下：根据上述资料计算的下列数据正确的有( )A第二年的环比增长速度=定基增长速度=10％B第三年的累计增长量=逐期增长量=200万元C第四年的定基发展速度为135％D第五年增长1％绝对值为14万元E第五年增长1％绝对值为13．5万元7．下列关系正确的有( )A环比发展速度的连乘积等于相应的定基发展速度B定基发展速度的连乘积等于相应的环比发展速度C环比增长速度的连乘积等于相应的定基增长速度D环比发展速度的连乘积等于相应的定基增长速度E平均增长速度=平均发展速度-18．测定长期趋势的方法主要有( )A时距扩大法 B方程法 C最小平方法 D移动平均法 E几何平均法9．关于季节变动的测定，下列说法正确的是( )A目的在于掌握事物变动的季节周期性B常用的方法是按月(季)平均法C需要计算季节比率D按月计算的季节比率之和应等于400％E季节比率越大，说明事物的变动越处于淡季10．时间数列的可比性原则主要指( )A时间长度要一致 B经济内容要一致 C计算方法要一致 D总体范围要一致E计算价格和单位要一致1．BDE 2．BD 3．BC 4．ACD 5．ABD 6．ACE 7．AE 8．ACD 9．ABC 10．ABCDE三、判断题1．时间数列中的发展水平都是统计绝对数。
应用时间序列分析第4章答案
河南大学:姓名:汪宝班级:七班学号:1122314451 班级序号:685:我国1949年－2008年年末人口总数(单位:万人)序列如表4－8所示(行数据)．选择适当的模型拟合该序列的长期数据，并作5期预测。
解：具体解题过程如下：（本题代码我是做一问写一问的）1:观察时序图:data wangbao4_5;input x@@;time=1949+_n_-1;cards;54167 55196 56300 57482 58796 60266 61465 6282864653 65994 67207 66207 65859 67295 69172 7049972538 74542 76368 78534 80671 82992 85229 8717789211 90859 92420 93717 94974 96259 97542 98705100072 101654 103008 104357 105851 107507 109300 111026112704 114333 115823 117171 118517 119850 121121 122389123626 124761 125786 126743 127627 128453 129227 129988130756 131448 132129 132802;proc gplot data=wangbao4_5;plot x*time=1;symbol1c=black v=star i=join;run;分析:通过时序图,我可以发现我国1949年－2008年年末人口总数(随时间的变化呈现出线性变化.故此时我可以用线性模型拟合序列的发展．X t=a+b t+I t t=1,2,3,…,60E(I t)=0,var(I t)=σ2其中，I t为随机波动；X t=a+b就是消除随机波动的影响之后该序列的长期趋势。
2:进行线性模型拟合：proc autoreg data=wangbao4_5;model x=time;output out=out p=wangbao4_5_cup;run;proc gplot data=out;plot x*time=1 wangbao4_5_cup*time=2/overlay ;symbol2c=red v=none i=join w=2l=3;run;分析：由上面输出结果可知：两个参数的p值明显小于0.05，即这两个参数都是具有显著非零，4：模型检验又因为Regress R-square=total R-square=0.9931,即拟合度达到99.31%所以用这个模型拟合的非常好。
【分享】应用时间序列分析课后答案
【分享】应用时间序列分析课后答案在学习应用时间序列分析这门课程时，课后答案对于我们巩固知识、检验学习成果以及发现自身的不足之处都具有重要的意义。
下面，我将为大家分享一下这门课程的课后答案，并结合答案对一些重点和难点问题进行分析和讲解。
首先，让我们来看看第一章的课后答案。
第一章主要介绍了时间序列分析的基本概念和方法，包括时间序列的定义、分类以及平稳性的概念等。
在课后习题中，有这样一道题：“请解释什么是时间序列，并举例说明。
”答案是：“时间序列是按时间顺序排列的一组数据。
例如，某地区每天的气温记录、股票市场每天的收盘价、某工厂每月的产量等都是时间序列。
”通过这道题，我们可以更清晰地理解时间序列的概念，并且能够将其与实际生活中的例子相结合，加深对知识的理解。
另一道题是：“判断一个时间序列是否平稳的方法有哪些？”答案为：“常见的方法有观察序列的均值、方差是否随时间变化；自相关函数是否只与时间间隔有关，而与时间起点无关等。
”这道题帮助我们掌握了判断时间序列平稳性的关键要点。
第二章主要讲解了时间序列的模型，如 AR 模型、MA 模型和ARMA 模型等。
比如，有这样一道习题：“请简述 AR(1)模型的表达式和特点。
”答案是：“AR(1)模型的表达式为 Xt ＝φXt-1 ＋εt，其中φ 为自回归系数，εt 为白噪声。
其特点是当前值主要由前一期的值和随机扰动项决定。
”通过这个答案，我们能够明确 AR(1)模型的数学形式和基本特征。
还有一道题是：“比较 AR 模型和 MA 模型的异同。
”答案从模型的表达式、参数含义、适用情况等方面进行了详细的比较，让我们对这两种模型有了更全面的认识。
第三章涉及时间序列的预测方法。
像“简述时间序列预测的基本步骤”这道题，答案是：“首先对时间序列进行平稳性检验和预处理；然后选择合适的模型进行拟合；接着对模型进行参数估计和诊断检验；最后利用模型进行预测。
”这个答案为我们提供了一个清晰的预测流程框架。
应用时间序列分析第三章课后答案
应用时间序列分析第三章课后答案第三章应用时间序列分析课后答案第3-5节，最近考试题目：第一节序列的定义与平稳性第二节相关系数矩阵与平稳过程第三节非平稳序列第四节非平稳序列的特征值与协方差第五节离散时间序列分析是对连续时间序列进行研究和分析的一种重要方法。
本章主要内容有：时间序列的定义、平稳性、相关性、时间序列的构成及其表示方式、离散时间序列的概念、离散时间序列的时间趋势、离散时间序列的一般模型、随机过程及其应用、连续时间序列分析等。
第四节非平稳序列的特征值与协方差特征值又称为特征向量或自协因子，它反映了该特征值与其他各特征值之间的关系。
如果已知某个时间序列的全部平稳序列，那么由这些平稳序列的特征值就可以计算出每个观测值的特征值；若只知道观测值，而不知道这些观测值与哪些特征值相关，则需利用相关系数矩阵计算各观测值的协方差阵。
本节还将介绍可变参数模型，即通过改变或增加参数的办法来得到另外一组新的平稳或非平稳序列。
第五节离散时间序列分析是对连续时间序列进行研究和分析的一种重要方法。
本章首先介绍了一些基本概念，如时间序列的平稳性、特征值、协方差、自相关函数、脉冲响应等；然后介绍了时间序列的一阶、二阶和高阶矩；接着介绍了一些常见的平稳序列；最后给出了两类时间序列分解方法。
第六节连续时间序列分析本章内容较多，在此仅举几例，望同学们能够理解并掌握。
如当时间序列在均值附近单调递减时，可假设 x 和 y 的斜率相同，记为x→/ y，再用相关系数矩阵公式计算相关系数，这样便简化了运算。
这也正是统计中时间序列处理的实际情况。
有时需要作几次回归拟合才能取得满意效果，这就是所谓的多元回归分析。
时间序列中的趋势项具有比较稳定的形态。
应用时间序列第四章习题解答1-4
t x x x x x t 1 t (1 ) t 1 (1 ) t 1 (1 ) t 1 ……○ t t t t t t
令 A lim
t
t x t
1 式两端取极限，得： ○
lim
t
(2)
ˆ21 x 20 x20 (1 ) x19 (1 )2 x18 … (1 )19 x1 x
0.4 13 0.4 0.6 11 0.4 0.62 10 … 0.4 0.619 10 11.79240287
t x x lim (1 ) lim t 1 t t t t
即 A (1 ) A
lim
t
xt A 1。 t
另解：根据指数平滑的定义有（1）式成立， （1）式等号两边同乘 (1 ) 有（2）式成立
t t (t 1) (1 ) (t 2) (1 ) 2 (t 2) (1 )3 (1) x t (1 ) x t (1 ) (t 1) (1 ) 2 (t 2) (1 )3 (2)
1 1 ˆ21 ( x20 x19 x18 x17 x16 ) (13 11 10 10 12) 11.2 解：(1) x 5 5
1 1 ˆ22 ( x ˆ21 x20 x19 x18 x17 ) (11.2 13 11 10 10) 11.04 x 5 5
a
6 25 6 4 0.16 。 25 25
b a 0.4
4. 现有序列 xt t , t 1, 2,… ，使用平滑系数为 的指数平滑法
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第二章习题答案2.1（1）非平稳（2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376（3）典型的具有单调趋势的时间序列样本自相关图2.2（1）非平稳，时序图如下（2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图2.3（1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118（2）平稳序列（3）白噪声序列2.4，序列LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。
显著性水平=0.05不能视为纯随机序列。
2.5（1）时序图与样本自相关图如下（2） 非平稳 （3）非纯随机 2.6（1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机第三章习题答案3.1 解：1()0.7()()t t t E x E x E ε-=⋅+0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01(t t t B B B x εε)7.07.01()7.01(221 +++=-=-229608.149.011)(εεσσ=-=t x Var49.00212==ρφρ 022=φ3.2 解：对于AR （2）模型：⎩⎨⎧=+=+==+=+=-3.05.02110211212112011φρφρφρφρρφφρφρφρ 解得：⎩⎨⎧==15/115/721φφ3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E原模型可变为：t t t t x x x ε+-=--2115.08.02212122)1)(1)(1(1)(σφφφφφφ-+--+-=t x Var2)15.08.01)(15.08.01)(15.01()15.01(σ+++--+==1.98232σ⎪⎩⎪⎨⎧=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ⎪⎩⎪⎨⎧=-====015.06957.033222111φφφρφ3.4 解：原模型可变形为： t t x cB B ε=--)1(2由其平稳域判别条件知：当1||2<φ，112<+φφ且112<-φφ时，模型平稳。
由此可知c 应满足：1||<c ，11<-c 且11<+c 即当－1<c<0时，该AR(2)模型平稳。
3.5证明：已知原模型可变形为： t t x cB cB B ε=+--)1(32其特征方程为：0))(1(223=-+-=+--c c c λλλλλλ 不论c 取何值，都会有一特征根等于1，因此模型非平稳。
3.6 解：（1）错，)1/()(2201θσγε-==t x Var 。
（2）错，)1/()])([(21210111θσθγργμμε-===---t tx x E 。
（3）错，T l T x l x1)(ˆθ=。
（4）错，112211)(+--+-++++++=T l l T l T l T TG G G l e εεεε=11122111+--+-++++++T l l T l T l T εθεθεθε（5）错，22122121111]1[1lim )]([lim )](ˆ[lim εεσθσθθ-=--==-∞→∞→+∞→l l T l T lT l l e Var l x x Var 。
3.7解：12411112112111-=-+-=⇒+-=ρρθθθρ MA(1)模型的表达式为：1-+=t t t x εε。
3.8解法1：由1122=+t t t t x μεθεθε----，得111223=+t t t t x μεθεθε------，则111212230.5=0.5+(0.5)(0.5)+0.5t t t t t t x x μεθεθθεθε------+--，与123=10+0.5+0.8+t t t t t x x C εεε----对照系数得12120.510,0.500.50.80.5Cμθθθθ=⎧⎪+=⎪⎨-=⎪⎪=⎩，故1220,0.5,0.55,0.275C μθθ=⎧⎪=-⎪⎨=⎪⎪=⎩。
解法2：将123100.50.8t t t t t x x C εεε---=++-+等价表达为()2323223310.82010.510.8(10.50.50.5)t ttB CB x BB CB B B B εε-+-=-=-+++++展开等号右边的多项式，整理为22334423243410.50.50.50.50.80.80.50.80.50.5B B B B B B B CB CB +++++--⨯-⨯-+++合并同类项，原模型等价表达为233020[10.50.550.5(0.50.4)]k k t t k x B B C B ε∞+=-=+-+-+∑当30.50.40C -+=时，该模型为(2)MA 模型，解出0.275C =。
3.9解：：0)(=t x E 22222165.1)1()(εεσσθθ=++=t x Var5939.065.198.0122212111-=-=+++-=θθθθθρ 2424.065.14.01222122==++-=θθθρ 30≥=k k ，ρ。
3.10解法1：（1）)(21 +++=--t t t t C x εεε )(3211 +++=----t t t t C x εεε 11111)1(------++=⎪⎭⎫⎝⎛+-+=t t t t t t t t C x C x C x εεεεε即 t t B C x B ε])1(1[)1(--=-显然模型的AR 部分的特征根是1，模型非平稳。
（2） 11)1(---+=-=t t t t t C x x y εε为MA(1)模型，平稳。
221122111+--=+-=C C C θθρ 解法2：（1）因为22()lim(1)t k Var x kC εσ→∞=+=∞，所以该序列为非平稳序列。
（2）11(1)t t t t t y x x C εε--=-=+-，该序列均值、方差为常数，()0t E y =,22()1(1)t Var y C εσ⎡⎤=+-⎣⎦自相关系数只与时间间隔长度有关，与起始时间无关121,0,21(1)k C k C ρρ-==≥+-所以该差分序列为平稳序列。
3.11解：（1）12.1||2>=φ，模型非平稳； =1λ 1.3738 =2λ-0.8736（2）13.0||2<=φ，18.012<=+φφ，14.112<-=-φφ，模型平稳。
=1λ0.6 =2λ0.5（3）13.0||2<=θ，16.012<=+θθ，12.112<-=-θθ，模型可逆。
=1λ0.45＋0.2693i =2λ0.45－0.2693i（4）14.0||2<=θ，19.012<-=+θθ，17.112>=-θθ，模型不可逆。
=1λ0.2569 =2λ-1.5569 （5）17.0||1<=φ，模型平稳；=1λ0.7 16.0||1<=θ，模型可逆；=1λ0.6（6）15.0||2<=φ，13.012<-=+φφ，13.112>=-φφ，模型非平稳。
=1λ0.4124 =2λ-1.212411.1||1>=θ，模型不可逆；=1λ 1.1。
3.12 解法1： 01G =，11010.60.30.3G G φθ=-=-=，1111110.30.6,2k k k k G G G k φφ---===⨯≥所以该模型可以等价表示为：100.30.6kt t t k k x εε∞--==+⨯∑。
解法2：t t B x B ε)3.01()6.01(-=-t t B B B x ε)6.06.01)(3.01(22 +++-= t B B B ε)6.0*3.06.0*3.03.01(322 ++++=j t j j t -∞=-∑+=εε116.0*3.010=G ，16.0*3.0-=j j G3.13解：3)()5.01(])(3[])([2=-⇒Θ+=Φt t t x E B E x B E ε12)(=t x E 。
3.14 证明：已知112φ=，114θ=，根据(1,1)ARMA 模型Green 函数的递推公式得：01G =，2110110.50.25G G φθφ=-=-=，1111111,2k k k k G G G k φφφ-+-===≥01ρ=52232111112245011111142422(1)11112011170.27126111j jj j j j jj j G GGφφφφφφφφρφφφφφ∞∞++==∞∞+==++--+======-+++-∑∑∑∑()11111122200,2jj kjj k jj k j j j k k jjjj j j G G G GG Gk GGGφρφφρ∞∞∞++-+-===-∞∞∞=======≥∑∑∑∑∑∑3.15 （1）成立 （2）成立 （3）成立 （4）不成立3.16 解：（1）t t t x x ε+-=--)10(*3.0101， 6.9=T x88.9])10(*3.010[)()1(ˆ11=+-+==++T T t T x E x E xε 964.9])10(*3.010[)()2(ˆ212=+-+==+++T T t T x E x E xε 9892.9])10(*3.010[)()3(ˆ323=+-+==+++T T t T x E x E xε 已知AR(1)模型的Green 函数为：jj G 1φ=， ，，21=j121213122130)3(++++++++=++=t t t t t t T G G G e εφεφεεεε8829.99*)09.03.01()]3([22=++=T e Var3+t x ％的置信区间：的95[9.9892-1.96*8829.9，9.9892＋1.96*8829.9] 即[3.8275,16.1509]（2）62.088.95.10)1(ˆ11=-=-=++T T T xx ε 15.10964.962.0*3.0)()1(ˆ21=+==++t T x E x045.109892.962.0*09.0)()2(ˆ31=+==++t T x E x81.99*)3.01()]2([22=+=+T e Var3+t x ％的置信区间：的95[10.045-1.96×81.9，10.045＋1.96*81.9]即[3.9061,16.1839]。