第二章习题

习题2.2read.table函数读取的是表，scan读取的是数据 co2 co2 ts.plot(co2)这样以读取的数据作图，就不是一个前后衔接的完整的时间序列，需要作进一步的变换，这里先不讲。换一种读取方式co2 co2 co2.ts co2 par(mfrow=c(2,1) ts.plot(co2.ts,main=每月释放CO2,xlab=year,ylab=CO2);acf(co2.ts)有周期性和不太明显的递增性，明显不平稳。如何得出自相关系数，help(acf) acf(co2.ts,lag.max=25,type=correlation,plot=F)（注意这里的滞后阶数，若想显示滞后阶数为正常的1-15，先 xiti202 rain rainacf par(mfrow=c(2,1) ts.plot(tain.ts);acf(rain.ts)PS：这里画出自相关图还有一种方法，比较麻烦，但是助于理解过程 plot(xiti203acf)初步判断是平稳的：时序图 和 自相关图主要还得看检验统计量： Box.test(rain.ts,type=Ljung) Box-Ljung testdata: xiti203 X-squared = 0.0122, df = 1, p-value = 0.9119多做几次检验P值均较大，接受原假设，也就说，该序列为纯随机序列习题2.4for 循环语句用法介绍：for (I in ) 表达式p2.4-c(0.02,0.05,0.10,-0.02,0.05,0.01,0.12,-0.06,0.08,-0.05,0.02,-0.05)plot(p2.4,type=h)LB-function(n,m)lb=0LB=0for(i in 1:m)lb=lb+(p2.4i*p2.4i)/(n-i)LB=n*(n+2)*lbLBLB(100,12)LB sale sale sale sale2000 sale2001 sale2002 sale2003 tam tam sale.v2sale.v2sale.v sale.tssale.ts par(mfrow=c(2,1) plot(sale.ts,main=sales,xlab=year,ylab=sales);acf(sale.ts,main=AutoCorrelation)从时序图和自相光图来看，不平稳：理由：周期性主要看检验统计量 Box.test(sale.ts,type=Ljung) Box-Ljung testdata: xiti2056 X-squared = 27.9246, df = 1, p-value = 1.261e-07多做几次检验P值极小，拒绝原假设，意即，该序列不是纯随机序列将数据框写成按列排下来，还有一种方法： sale.v3 sale.v3 rob par(mfrow=c(2,1) ts.plot(rob);acf(rob)自相关系数迅速衰减到2倍标准差以内，这可能是一个短期相关的时间序列。难以初步判断是否是一个平稳序列 dfrob dfrob 1 5 -5 0 2 -2 -3 0 3 4 -6 9 -3 4 -15 6 2 -1 -4 6 2 -4 15 424 4 0 -21 7 -3 3 0 -7 22 -19 21 -7 -3 -5 -4 2 -6 7 4 -12 -6 8 -847 6 -3 2 6 -5 -4 6 0 -2 -7 3 2 -7 13 -8 0 -1 5 -6 4 -2 2 -5 par(mfrow=c(2,1) ts.plot(dfrob);acf(dfrob)以时序图和自相关图来判断，是纯随机序列 Box.test(dfrob,type=Ljung) Box-Ljung testdata: xiti2