比浏览器更快的访问！
15 关系: 平稳过程，傅里叶变换，粉红噪声，累积和，独立同分布，白雜訊，随机过程，隨機漫步，赫斯特指数，自相似，自相关函数，雙對數圖，混沌理论，最小二乘法，時間序列。
平稳过程
在数学中，平稳过程（Stationary process），又稱严格平稳过程（Strict(ly) stationary process）或強平穩過程（）是一種特殊的隨機過程，在其中任取一段期間或空間（t.
新！!: 去趨勢波動分析和平稳过程 · 查看更多 »
傅里叶变换
傅里叶变换（Transformation de Fourier、Fourier transform）是一种線性积分变换，用于信号在时域（或空域）和频域之间的变换，在物理学和工程学中有许多应用。因其基本思想首先由法国学者约瑟夫·傅里叶系统地提出，所以以其名字来命名以示纪念。实际上傅里叶变换就像化学分析，确定物质的基本成分；信号来自自然界，也可对其进行分析，确定其基本成分。 经傅里叶变换生成的函数 \hat f 称作原函数 f 的傅里叶变换、亦称频谱。在許多情況下，傅里叶变换是可逆的，即可通过 \hat f 得到其原函数 f。通常情况下，f 是实数函数，而 \hat f 则是复数函数，用一个复数来表示振幅和相位。 “傅里叶变换”一词既指变换操作本身（将函数 f 进行傅里叶变换），又指该操作所生成的复数函数（\hat f 是 f 的傅里叶变换）。.
新！!: 去趨勢波動分析和傅里叶变换 · 查看更多 »
粉红噪声
粉红噪声或1/ƒ噪音（有时也称作闪变噪声）是一个具有功率谱密度（能量或功率每赫兹）与频率成反比特征频谱的信号或过程。在粉红噪声中，每个倍频程中都有一个等量的噪声功率。粉红噪声的名称源于这种功率谱下的可见光视觉颜色为粉色。 在科学文献中，术语1/ƒ 噪声通常宽泛地指任何一种带有如下所示功率谱密度的噪声： 其中ƒ为频率，且0 α的噪声广泛地存在于大自然之中，并且它被运用到许多领域当中。α 值趋近于1的噪声与区间内其它α值噪声之间的区别符合一个更基本的区别。前者（狭义上）一般来自于准平衡凝聚态系统，下文将会展开讨论。后者（广义上）一般符合一系列非均衡驱动动态系统。 尽管术语闪变噪声仅用来描述直流电子设备中出现的噪声更为合适，但每当提到1/ƒ噪声人们还是称其为闪变噪声。1968年，本華·曼德博与John W. Van Ness提出了一个“分数噪声”的概念（有时也叫做分形噪声），以强调谱函数的指数可取一个非整数值，并使之与分数布朗运动联系起来，但这个词很少被用到。.
新！!: 去趨勢波動分析和粉红噪声 · 查看更多 »
累积和
累积和（Cumulative Sum，CUSUM）是一种序贯分析法，由剑桥大学的 E. S. Page 于1954年首先提出。 累积和用以在某个相对稳定的数据序列中，检测出开始发生异常的数据点。所谓异常的数据点，比如说，从这点开始，整个数列的平均值或者均方差开始发生改变，进而影响到整组数据的稳定。所以累积和最典型的应用是在“改变检测”（Change Detection）中对参量变化的检测。由於累積和管制法能充分利用數據變化之順序與大小,故相當適合用於偵測製程的微量變化(small shifts) Category:统计图表.
新！!: 去趨勢波動分析和累积和 · 查看更多 »
独立同分布
在概率论与统计学中，独立同分布（Independent and identically distributed，缩写为IID）是指一组随机变量中每个变量的概率分布都相同，且这些随机变量互相独立。 一组随机变量独立同分布并不意味着它们的样本空间中每个事件发生概率都相同。例如，投掷非均匀骰子得到的结果序列是独立同分布的，但掷出每个面朝上的概率并不相同。.
新！!: 去趨勢波動分析和独立同分布 · 查看更多 »
白雜訊
白噪声，是一種功率譜密度為常數的隨機信號或随机过程。即，此信號在各個频段上的功率是一樣的。由于白光是由各種頻率（颜色）的单色光混合而成，因而此信号的這種具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声。 理想的白噪声具有無限頻寬，因而其能量是無限大，這在现实世界是不可能存在的。实际上，我們常常將有限頻寬的平整訊號視為白噪声，以方便进行數學分析。.
新！!: 去趨勢波動分析和白雜訊 · 查看更多 »
随机过程
在概率论概念中，随机过程是随机变量的集合。若一随机系统的样本点是随机函数，则称此函数为样本函数，这一随机系统全部样本函数的集合是一个随机过程。实际应用中，样本函数的一般定义在时间域或者空间域。随机过程的实例如股票和汇率的波动、语音信号、视频信号、体温的变化，反对法随机运动如布朗运动、随机徘徊等等。.
新！!: 去趨勢波動分析和随机过程 · 查看更多 »
隨機漫步
随机游走（Random Walk，縮寫為 RW），是一种數學統計模型，它是一連串的軌跡所組成，其中每一次都是随机的。它能用來表示不规则的变动形式，如同一个人酒后乱步，所形成的随机过程記錄。1905年，由卡尔·皮尔逊首次提出。 通常，我們可以假設隨機漫步是以马尔可夫链或馬可夫過程的形式出現，但是比較複雜的隨機漫步則不一定以這種形式出現。在某些限制條件下，會出現一些比較特殊的模式，如醉漢走路（drunkard's walk）或萊維飛行（Lévy flight）。 Category:时间序列 Category:随机过程.
新！!: 去趨勢波動分析和隨機漫步 · 查看更多 »
赫斯特指数
赫斯特指数（Hurst exponent）以英国水文学家命名，起初被用来分析水库与河流之间的进出流量，后来被广泛用于各行各业的分形分析。利用Hurst参数可以表征网络流量的自相似性，Hurst参数越大，说明流量的自相似程度就越高，也就是说网络的业务流量在很长的时间内都具有长相关性，这主要是由于网络流量的突发性造成的。现有的文献给出的估计方法主要是两大类：时域法和频域法，其中时域法包括R/S分析法、时间方差图法、IDC法，频域法包括Whittle的最大似然估计、小波法等。常用的Hurst估值算法都有不同的适用条件，不能广泛的应用于各种情况，因为每一种算法在时域或者是频域的范围内应用了求和平均的方法，这样就会使得时间序列的高突发可变的细节信息丢失，从而导致出估算结果为负值，增大了估计误差。.
新！!: 去趨勢波動分析和赫斯特指数 · 查看更多 »
自相似
如果一個物體自我相似，表示它和它本身的一部分完全或是幾乎相似。若說一個曲線自我相似，即每部分的曲線有一小塊和它相似。自然界中有很多東西有自我相似性質，例如海岸線。 自我相似是分形的重要特質。.
新！!: 去趨勢波動分析和自相似 · 查看更多 »
自相关函数
自相关（Autocorrelation），也叫序列相关，是一个信号于其自身在不同时间点的互相关。非正式地来说，它就是两次观察之间的相似度对它们之间的时间差的函数。它是找出重复模式（如被噪声掩盖的周期信号），或识别隐含在信号谐波频率中消失的基頻的数学工具。它常用于信号处理中，用来分析函数或一系列值，如時域信号。.
新！!: 去趨勢波動分析和自相关函数 · 查看更多 »
雙對數圖
#重定向 双对数坐标系.
新！!: 去趨勢波動分析和雙對數圖 · 查看更多 »
混沌理论
混沌理论（Chaos theory）是关于非线性系统在一定参数条件下展现分岔（bifurcation）、周期运动与非周期运动相互纠缠，以至于通向某种非周期有序运动的理论。在耗散系统和保守系统中，混沌运动有不同表现，前者有吸引子，后者无（也称含混吸引子）。 从20世纪80年代中期到20世纪末，混沌理论迅速吸引了数学、物理、工程、生态学、经济学、气象学、情报学等诸多领域学者有关注，引发了全球混沌热。混沌，也写作浑沌（比如《庄子》）。自然科学中讲的混沌运动指确定性系统中展示的一种類似随机的行为或性态。确定性（deterministic）是指方程不含随机项的系统，也称动力系统（dynamical system）。典型的模型有單峰映象（logistic map）迭代系统，洛伦兹微分方程系统，若斯叻吸引子，杜芬方程，蔡氏电路，陳氏吸引子等。为浑沌理论做出重要贡献的学者有庞加莱、洛伦兹、（Y.
新！!: 去趨勢波動分析和混沌理论 · 查看更多 »
最小二乘法
最小二乘法（又称--）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 “最小平方法”是對過度確定系統，即其中存在比未知數更多的方程組，以迴歸分析求得近似解的標準方法。在這整個解決方案中，最小平方法演算為每一方程式的結果中，將殘差平方和的總和最小化。 最重要的應用是在曲線擬合上。最小平方所涵義的最佳擬合，即殘差（殘差為：觀測值與模型提供的擬合值之間的差距）平方總和的最小化。當問題在自變量（x變量）有重大不確定性時，那麼使用簡易迴歸和最小平方法會發生問題；在這種情況下，須另外考慮變量-誤差-擬合模型所需的方法，而不是最小平方法。 最小平方問題分為兩種：線性或普通的最小平方法，和非線性的最小平方法，取決於在所有未知數中的殘差是否為線性。線性的最小平方問題發生在統計迴歸分析中；它有一個封閉形式的解決方案。非線性的問題通常經由迭代細緻化來解決；在每次迭代中，系統由線性近似，因此在這兩種情況下核心演算是相同的。 最小平方法所得出的多項式，即以擬合曲線的函數來描述自變量與預計應變量的變異數關係。 當觀測值來自指數族且滿足輕度條件時，最小平方估計和最大似然估计是相同的。最小平方法也能從動差法得出。 以下討論大多是以線性函數形式來表示，但對於更廣泛的函數族，最小平方法也是有效和實用的。此外，迭代地將局部的二次近似應用於或然性（藉由費雪信息），最小平方法可用於擬合廣義線性模型。 其它依據平方距離的目標加總函數作為逼近函數的主題，請參見最小平方法（函數近似）。 最小平方法通常歸功於高斯（Carl Friedrich Gauss，1795），但最小平方法是由阿德里安-马里·勒让德（Adrien-Marie Legendre）首先發表的。.
新！!: 去趨勢波動分析和最小二乘法 · 查看更多 »
時間序列
时间序列（time series）是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学。.
新！!: 去趨勢波動分析和時間序列 · 查看更多 »
