序列相关模型。考虑如下模型:[tex=6.286x1.214]D1z9SbmfrwaNrCF5191fbAmE/TQvvRqdM4cGpMyAmb8dEAbbSbEc+lcYVzPjPot0[/tex]假定[tex=0.857x1.0]h7qy0/eEwqozaS+0Yv1hIQ==[/tex]服从马尔可夫--阶自回归模式,即:[tex=5.357x1.143]4A70q3+fR+zje1OhJuvtM3WDD4/NRif6Iq41mmFGuiCMpQIAa6oJG65hJ5y6Gdyc[/tex][br][/br]其中 [tex=0.571x1.0]wZfDAQ5tsV00QsfoitgWPw==[/tex]是(一阶)自相关系数, 而 [tex=0.786x1.0]rgBgx3oVK8kLI4gZl4r8h6eC0heD6Yk0x8glSuI74BE=[/tex]满足全部经典 [tex=2.071x1.0]6IFVrSlzEX1I5EtqK4jUaQ==[/tex] 假定。于是, 如第 12 章所证明的那样,模型[tex=16.0x1.357]+NEqD03BU3gb0lNvdmysO3zP2BrOsiLT4dU7t0T66sjl5yQjEH1Ir7uUPY0Ezebff46D7YZePKaj/wqICXehPciV/IHAkbQHF6H6PkEESBGYLospsW4JY2b33qKSazk0[/tex][br][/br]将有一序列无关的误差项,使得[tex=2.071x1.0]gK8iXL/QdPRlpuLJxLDDvw==[/tex]估计成为可能。但这个所谓的序列相关模型[tex=12.357x1.357]ql6/zk5egR8ESPbrfVB6RfZZ2pO3uRBknAol9WDJlRA=[/tex]非常像考伊克、适应性预期和局部调整模型。那么,你怎样会知道在某个给定情形中上述模型中的哪一个是适用的?
举一反三
- set1 = {x for x in range(10)} print(set1) 以上代码的运行结果为? A: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} B: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9,10} C: {1, 2, 3, 4, 5, 6, 7, 8, 9} D: {1, 2, 3, 4, 5, 6, 7, 8, 9,10}
- >>>x= [10, 6, 0, 1, 7, 4, 3, 2, 8, 5, 9]>>>print(x.sort()) 语句运行结果正确的是( )。 A: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10] B: [10, 6, 0, 1, 7, 4, 3, 2, 8, 5, 9] C: [10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0] D: ['2', '4', '0', '6', '10', '7', '8', '3', '9', '1', '5']
- 采用基2频率抽取FFT算法计算点序列的DFT,以下()流图是对的。 A: x[0],x[1],x[2],x[3],x[4],x[5],x[6],x[7] B: x[0],x[2],x[4],x[6],x[1],x[3],x[5],x[7] C: x[0],x[2],x[1],x[3],x[4],x[6],x[5],x[7] D: x[0],x[4],x[2],x[6],x[1],x[5],x[3],x[7]
- 采用基2时间抽取FFT算法流图计算8点序列的DFT,第一级的数据顺序为 A: x[0],x[2],x[4],x[6],x[1],x[3],x[5],x[7] B: x[0],x[1],x[2],x[3],x[4],x[5],x[6],x[7] C: x[0],x[4],x[2],x[6],x[1],x[5],x[3],x[7] D: x[0],x[2],x[1],x[3],x[4],x[6],x[5],x[7]
- 【计算题】5 ×8= 6×4= 7×7= 9×5= 2×3= 9 ×2= 8×9= 7×8= 5×5= 4×3= 5+8= 6 ×6= 3×7= 4×8= 9×3= 1 ×2= 9×9= 6×8= 8×0= 4×7=