注意：此页面搜索的是所有试题
国家开放大学大数据分析与挖掘技术
拖尾是指在自相关系数图或偏自相关系数图中的系数有指数型、正弦型或震荡型衰减的波动，并不会都落入置信区间内。
【A.】√
【B.】×
相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型一定一致。
【A.】√
【B.】×
偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【A.】√
【B.】×
偏自相关系数的实质是使得残差的方差达到最小的k阶AR模型的第k项系数。
【A.】√
【B.】×
自相关系数的是为给定中间观测值的条件下，观测值与前面某个间隔的观测值之间的相关系数。
【A.】√
【B.】×
拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
【A.】√
【B.】×
确定ARMA模型p、q的过程即为模型的识别过程，也称ARMA模型的定阶。下列属于模型识别的方法是（ ）。
【A.】自相关系数
【B.】协方差矩阵
【C.】偏自相关系数图
【D.】最小信息准则
下列说法正确的是（ ）。
【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。
【C.】进行ARMA模型建模之前，分析的时间序列必须满足平稳性条件。
【D.】拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
下列说法错误的是（ ）。
【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。
【C.】进行ARMA模型建模之前，分析的时间序列必须满足平稳性条件。
【D.】拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
如图是某模型最小信息数值，根据结果可以选择最优模型是（ ）【A.】MA(1)
【B.】ARMA(1,1)
【C.】AR(1)
【D.】ARMA(0,1)
时间序列经过1阶差分后平稳，其自相关系数图p阶截尾, 偏自相关系数图q阶截尾,可以识别为（ ）。
【A.】MA(p)模型
【B.】ARIMA(p,1,q)模型
【C.】AR(p)模型
【D.】ARMA(p,q)模型
平稳时间序列的自相关系数图p阶截尾, 偏自相关系数图拖尾,可以识别为（ ）
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0
偏自相关系数的实质是使得残差的（ ）达到（ ）的k阶AR模型的第k项系数。
【A.】均值；最小
【B.】均值；最大
【C.】方差；最小
【D.】方差；最大
采用AIC准则找最优模型得到如下的结果：
The AIC of ARMA(0,0) is 13679.401951273543
The AIC of ARMA(0,1) is 13332.135879407648
The AIC of ARMA(0,2) is 13289.758498467238
The AIC of ARMA(1,0) is 13458.95993448334
The AIC of ARMA(1,1) is 13266.651183460379
The AIC of ARMA(1,2) is 13241.110101949496
The AIC of ARMA(2,0) is 13396.594961413079
The AIC of ARMA(2,1) is 13245.885887026114
The AIC of ARMA(2,2) is 13242.201821971108
请问哪个模型最优（ ）
【A.】ARMA(0,2)
【B.】ARMA(2,2)
【C.】ARMA(1,0)
【D.】ARMA(1,2)
平稳时间序列的自相关系数图拖尾, 偏自相关系数图p阶截尾,可以识别为（ ）模型
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0
【A.】√
【B.】×
相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型一定一致。
【A.】√
【B.】×
偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【A.】√
【B.】×
偏自相关系数的实质是使得残差的方差达到最小的k阶AR模型的第k项系数。
【A.】√
【B.】×
自相关系数的是为给定中间观测值的条件下，观测值与前面某个间隔的观测值之间的相关系数。
【A.】√
【B.】×
拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
【A.】√
【B.】×
确定ARMA模型p、q的过程即为模型的识别过程，也称ARMA模型的定阶。下列属于模型识别的方法是（ ）。
【A.】自相关系数
【B.】协方差矩阵
【C.】偏自相关系数图
【D.】最小信息准则
下列说法正确的是（ ）。
【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。
【C.】进行ARMA模型建模之前，分析的时间序列必须满足平稳性条件。
【D.】拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
下列说法错误的是（ ）。
【A.】偏自相关系数的实质是使得残差的方差达到最大的k阶AR模型的第k项系数。
【B.】相关系数图与偏相关系数图得到的最优模型和 AIC、BIC选择的最优模型不一定一致，需要多次进行建模比较寻优。
【C.】进行ARMA模型建模之前，分析的时间序列必须满足平稳性条件。
【D.】拖尾是指在自相关系数图或偏自相关系数图中，自相关系数或偏自相关系数的前几期处于置信区间之外，而之后是系数基本上都落入置信区间内，且逐渐趋于零。
如图是某模型最小信息数值，根据结果可以选择最优模型是（ ）【A.】MA(1)
【B.】ARMA(1,1)
【C.】AR(1)
【D.】ARMA(0,1)
时间序列经过1阶差分后平稳，其自相关系数图p阶截尾, 偏自相关系数图q阶截尾,可以识别为（ ）。
【A.】MA(p)模型
【B.】ARIMA(p,1,q)模型
【C.】AR(p)模型
【D.】ARMA(p,q)模型
平稳时间序列的自相关系数图p阶截尾, 偏自相关系数图拖尾,可以识别为（ ）
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0
偏自相关系数的实质是使得残差的（ ）达到（ ）的k阶AR模型的第k项系数。
【A.】均值；最小
【B.】均值；最大
【C.】方差；最小
【D.】方差；最大
采用AIC准则找最优模型得到如下的结果：
The AIC of ARMA(0,0) is 13679.401951273543
The AIC of ARMA(0,1) is 13332.135879407648
The AIC of ARMA(0,2) is 13289.758498467238
The AIC of ARMA(1,0) is 13458.95993448334
The AIC of ARMA(1,1) is 13266.651183460379
The AIC of ARMA(1,2) is 13241.110101949496
The AIC of ARMA(2,0) is 13396.594961413079
The AIC of ARMA(2,1) is 13245.885887026114
The AIC of ARMA(2,2) is 13242.201821971108
请问哪个模型最优（ ）
【A.】ARMA(0,2)
【B.】ARMA(2,2)
【C.】ARMA(1,0)
【D.】ARMA(1,2)
平稳时间序列的自相关系数图拖尾, 偏自相关系数图p阶截尾,可以识别为（ ）模型
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0