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
要研究平稳时间序列的原因为（ ）
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非平稳时间序列在分析时，本来没有什么关系的变量之间可能出现“伪回归”的情况。
下列关于时间序列说法错误的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为严平稳时间序列。
下图分别为原始数据和一阶差分数据的单位根检验的结果，根据其p值，可以看出原始数据的单位根检验（ ），即p值非常大，没有充分的理由拒绝原假设，即原始序列是（ ）的序列;而一阶差分后的序列的单位根检验的p值（ ），故可以拒绝原假设，认为一阶差分序列是（ ）。【A.】不显著；平稳
【B.】不显著；非平稳
【C.】显著；平稳
【D.】显著；非平稳
下面白噪声序列说法正确的是（ ）。
【A.】具有零均值
【B.】具有同方差性
【C.】协方差为零
【D.】不是平稳时间序列
下面能够进行时间序列平稳性检验的是（ ）。
【A.】自相关系数
【B.】自相关图检验
【C.】单位根检验
【D.】DW检验
按照不同的性质和特征，可以对时间序列进行分类，从统计特性上来看，时间序列可以分为（ ）。
【A.】绝对数时间序列
【B.】平稳时间序列
【C.】非平稳时间序列
【D.】相对数时间序列
下列关于时间序列说法正确的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为严平稳时间序列。
我们可以通过（ ）方式将非平稳时间序列进行零均值化和平稳化。
【A.】标准化
【B.】函数
【C.】差分
【D.】归一化
从下面的时序图一定可以得到的结论是（ ）
【A.】该序列具有零均值
【B.】该序列具有同方差性
【C.】这是一个白噪声序列
【D.】这是一个平稳时间序列
从下面的时序图不能得到的结论是（ ）【A.】该序列具有零均值
【B.】该序列均值不随时间变化而变化
【C.】这是一个平稳时间序列
【D.】这是一个非平稳时间序列
一个时间序列的自相关系数：（ ）
【A.】其值越小，说明时间序列的自相关程度越高
【B.】其值越大，说明时间序列的自相关程度越高
【C.】其绝对值越小，说明时间序列的自相关程度越高
【D.】其绝对值越大，说明时间序列的自相关程度越高
如果销售额数据与时间有密切相关的联系，即销售额数值随时间的推进而不断上升，则称该序列为（ ）。
【A.】绝对数时间序列
【B.】宽平稳时间序列
【C.】非平稳时间序列
【D.】严平稳时间序列
利用白噪声检验时间序列平稳性，如果白噪声结果显著，则表明时间序列总体自相关是（ ）的，即表现为（ ）。
【A.】显著；平稳
【B.】显著；非平稳
【C.】不显著；平稳
【D.】不显著；非平稳
为了能进行ARIMA时间序列分析建模，通常将非平稳时间序列进行（ ）和（ ），将其转化为零均值平稳时间序列。
【A.】零均值化；平稳化
【B.】零均值化；标准化
【C.】标准化；平稳化
【D.】标准化；归一化
下列不属于要研究平稳时间序列的原因为（ ）
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非平稳时间序列在分析时，本来没有什么关系的变量之间可能出现“伪回归”的情况。
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非平稳时间序列在分析时，本来没有什么关系的变量之间可能出现“伪回归”的情况。
下列关于时间序列说法错误的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为严平稳时间序列。
下图分别为原始数据和一阶差分数据的单位根检验的结果，根据其p值，可以看出原始数据的单位根检验（ ），即p值非常大，没有充分的理由拒绝原假设，即原始序列是（ ）的序列;而一阶差分后的序列的单位根检验的p值（ ），故可以拒绝原假设，认为一阶差分序列是（ ）。【A.】不显著；平稳
【B.】不显著；非平稳
【C.】显著；平稳
【D.】显著；非平稳
下面白噪声序列说法正确的是（ ）。
【A.】具有零均值
【B.】具有同方差性
【C.】协方差为零
【D.】不是平稳时间序列
下面能够进行时间序列平稳性检验的是（ ）。
【A.】自相关系数
【B.】自相关图检验
【C.】单位根检验
【D.】DW检验
按照不同的性质和特征，可以对时间序列进行分类，从统计特性上来看，时间序列可以分为（ ）。
【A.】绝对数时间序列
【B.】平稳时间序列
【C.】非平稳时间序列
【D.】相对数时间序列
下列关于时间序列说法正确的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为严平稳时间序列。
我们可以通过（ ）方式将非平稳时间序列进行零均值化和平稳化。
【A.】标准化
【B.】函数
【C.】差分
【D.】归一化
从下面的时序图一定可以得到的结论是（ ）
【A.】该序列具有零均值
【B.】该序列具有同方差性
【C.】这是一个白噪声序列
【D.】这是一个平稳时间序列
从下面的时序图不能得到的结论是（ ）【A.】该序列具有零均值
【B.】该序列均值不随时间变化而变化
【C.】这是一个平稳时间序列
【D.】这是一个非平稳时间序列
一个时间序列的自相关系数：（ ）
【A.】其值越小，说明时间序列的自相关程度越高
【B.】其值越大，说明时间序列的自相关程度越高
【C.】其绝对值越小，说明时间序列的自相关程度越高
【D.】其绝对值越大，说明时间序列的自相关程度越高
如果销售额数据与时间有密切相关的联系，即销售额数值随时间的推进而不断上升，则称该序列为（ ）。
【A.】绝对数时间序列
【B.】宽平稳时间序列
【C.】非平稳时间序列
【D.】严平稳时间序列
利用白噪声检验时间序列平稳性，如果白噪声结果显著，则表明时间序列总体自相关是（ ）的，即表现为（ ）。
【A.】显著；平稳
【B.】显著；非平稳
【C.】不显著；平稳
【D.】不显著；非平稳
为了能进行ARIMA时间序列分析建模，通常将非平稳时间序列进行（ ）和（ ），将其转化为零均值平稳时间序列。
【A.】零均值化；平稳化
【B.】零均值化；标准化
【C.】标准化；平稳化
【D.】标准化；归一化
下列不属于要研究平稳时间序列的原因为（ ）
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非平稳时间序列在分析时，本来没有什么关系的变量之间可能出现“伪回归”的情况。