应用时间序列选择_202606262238_38135

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

MA 模型的核心思想是:

模型参数估计后通常需要进行:

若 ACF 一阶截尾、PACF 拖尾，则更可能是:

平稳时间序列最重要的特征之一是:

建立 ARIMA 模型的第一步通常是:

时间序列预测通常基于:

若 ACF 拖尾、PACF 一阶截尾，则更可能是:

ARMA 模型适用于:

若 ADF 检验的 p 值小于 0.05，则通常认为:

一般来说，AIC 值越小表示:

ADF 检验的原假设通常是:

若时间序列存在明显趋势，通常需要:

一个较好的时间序列模型应满足:

若模型残差存在显著自相关，则说明:

AR 模型预测的核心思想是:

Ljung-Box 检验主要用于检验:

在模型识别中，ACF 和 PACF 主要用于:

AIC 和 SC 准则通常用于:

ARMA 模型同时包含:

白噪声残差意味着: