时间序列的自回归模型—从线性代数的角度来看

Posted 数学人生

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了时间序列的自回归模型—从线性代数的角度来看相关的知识,希望对你有一定的参考价值。

文章链接:https://zhuanlan.zhihu.com/p/35093835

Fibonacci 序列

在开始讲解时间序列的自回归模型(AutoRegression Model)之前,我们需要先介绍一下线性代数的基础知识。为了介绍线性代数的基础知识,我们可以先看一个简单的例子。考虑整数序列 Fibonacci 序列,它的通项公式是一个递归函数,每项的取值是由前两项所生成的,其具体的公式就是

F(n) = F(n-1) + F(n-2),

其初始值是 F(0) = 0, F(1) = 1。

按照其递归公式来计算,我们可以详细写出前面的几项,那就是:

0,1,1,2,3,5,8,13,21,34,55,89,144,...

但是,计算 Fibonacci 的通项公式则比计算等差数列和等比数列的通项公式复杂的多,因为这里需要使用线性代数的技巧才能解决这个问题。

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看

时间序列的自回归模型—从线性代数的角度来看


总结

在本篇文章中,笔者从线性代数出发,介绍了矩阵求幂的一些方法,推导了 Fibonacci 数列的通项公式。然后从自回归模型的定义出发,介绍了它们的基本性质和它们与线性代数的联系。在未来的 Blog 中,笔者将会介绍时间序列的更多相关内容。




相关文章推荐:

1.

2.

3.



欢迎大家关注公众账号数学人生

以上是关于时间序列的自回归模型—从线性代数的角度来看的主要内容,如果未能解决你的问题,请参考以下文章

机器学习笔记—再谈广义线性模型

从统计看机器学习 一元线性回归

机器学习-线性回归

ML- 线性回归推导

ML-1线性回归基础--用于预测

机器学习线性回归——岭回归从贝叶斯角度理解(理论+图解+公式推导)