抱歉，如果这听起来很简单，但我正在努力掌握 ARMA（自回归、移动平均）过程背后的物理概念。“AR”部分很直观，“MA”也是如此，但是放在一起呢？
如果我使用“AR”对时间序列进行建模，我可以使用先前样本的线性项来预测下一个样本，并且如果噪声是高斯白（不可预测），那么预测值和真实值之间的差异应该具有正态分布. 但是说我的时间序列可以用 ARMA 建模是什么意思？
谢谢
ARMA 与 AR，然后呢？
信息处理
自回归模型
2022-02-21 09:23:37
1个回答
arma 方法是将系统的当前输出明确地建模为过去输出和过去输入的总和。噪声统计的高斯模型假设仍然可以用于无法建模为 arma 的不可预测信号。
从系统的频率响应频谱建模方面来看：ar 模型能够仅对频谱峰值进行建模，因为它更好地拟合了峰值（使用极点），而 ma 模型能够更好地对频谱中的谷值进行建模（使用零点）。因此，通过使用 arma 模型，我们将更好地使用 ar 和 ma 的合理顺序来启用峰值和谷值。
然而，总是可以使用无限数量的极点对零（在 z 域中）建模，因此对 arma 模型（其参数估计相对涉及）的近似是使用高阶 ar 模型（其参数估计是相对容易）。
其它你可能感兴趣的问题