平稳过程条件
A满足什么条件时随机过程属于平稳？
A满足什么条件时随机过程属于平稳？
机器在运行时会发出噪声，噪声的强度随时间变化的过程就可以看作是一个随机过程。
如果随机过程的统计特性（均值、方差）与时间无关，也就是统计特性不随时间而变化，那么该随机过程就可以看作是一个平稳随机过程。
补充：均值描述的是上例中的平均噪声强度；方差描述的是噪声的平均变化幅度。
如果随机过程在当前时刻t的值只与该时刻之前n个时刻的值有关，而与这n个时刻之前的值无关，那么该随机过程就是Markov过程，根据n的大小，一般称为n阶Markov过程。
证明平稳随机过程要证明二阶矩有限吗？
要证明的
定义1（严平稳随机过程） 用符号化语言表示出来，即： 如果对于任意的n（n=1,2,···），t1,t2,···,tn∈T和任意实数h，当t1 h,t2 h,···,tn h∈T时，n维随机变量 （X(t1),X(t2),···,X(tn)）和（X(t1 h),X(t2 h),···,X(tn h)）具有相同的分布函数，则称随机过程{X(t),t∈T}具有平稳性，称此过程为严平稳随机过程，简称随机过程。
定义2（宽平稳随机过程） 给定二阶矩过程{X(t),t∈T}，如果对任意的t,t h∈T,有 （1）E[X(t)]=Cx（常数） （2）E[X(t)X(t h)]=R(h) 则称{X(t),t∈T}为宽平稳（随机）过程或广义平稳（随机）过程。
从二阶矩过程的定义可以看出：如果随机过程{X(t),t∈T}对每一个t∈T，二阶矩E[X(t)·X(t)]都存在，那么称它为二阶矩过程。 要证明某个随机过程是否是宽平稳过程（广义平稳过程）就必须的满足以上定义中的三个条件： （1）E[X(t)]=Cx（常数） （2）E[X(t)X(t h)]=R(h) （3） lt ∞
随机时序分析方法是什么？
1、 时间序列 取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间变化，则称过程是非平稳的。 2、 宽平稳时间序列的定义：设时间序列 ，对于任意的 , 和 ，满足： 则称 宽平稳。 3、Box-Jenkins方法是一种理论较为完善的统计预测方法。他们的工作为实际工作者提供了对时间序列进行分析、预测，以及对ARMA模型识别、估计和诊断的系统方法。使ARMA模型的建立有了一套完整、正规、结构化的建模方法，并且具有统计上的完善性和牢固的理论基础。 4、ARMA模型三种基本形式：自回归模型（AR：Auto-regressive），移动平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Average）。 （1） 自回归模型AR(p)：如果时间序列 满足 其中 是独立同分布的随机变量序列，且满足： ， 则称时间序列 服从p阶自回归模型。或者记为 。 平稳条件：滞后算子多项式 的根均在单位圆外，即 的根大于1。 （2） 移动平均模型MA(q)：如果时间序列 满足 则称时间序列 服从q阶移动平均模型。或者记为 。 平稳条件：任何条件下都平稳。 （3） ARMA(p,q)模型：如果时间序列 满足 则称时间序列 服从(p,q)阶自回归移动平均模型。或者记为 。 特殊情况：q=0,模型即为AR(p)，p=0, 模型即为MA(q)。 二、时间序列的自相关分析 1、自相关分析法是进行时间序列分析的有效方法，它简单易行、较为直观，根据绘制的自相关分析图和偏自相关分析图，我们可以初步地识别平稳序列的模型类型和模型阶数。利用自相关分析法可以测定时间序列的随机性和平稳性，以及时间序列的季节性。 2、自相关函数的定义：滞后期为k的自协方差函数为： ，则 的自相关函数为： ，其中 。当序列平稳时，自相关函数可写为： 。 3、 样本自相关函数为： ，其中 ，它可以说明不同时期的数据之间的相关程度，其取值范围在-1到1之间，值越接近于1，说明时间序列的自相关程度越高。 4、 样本的偏自相关函数： 其中， 。 5、 时间序列的随机性，是指时间序列各项之间没有相关关系的特征。使用自相关分析图判断时间序列的随机性，一般给出如下准则： ①若时间序列的自相关函数基本上都落入置信区间，则该时间序列具有随机性； ②若较多自相关函数落在置信区间之外，则认为该时间序列不具有随机性。 6、 判断时间序列是否平稳，是一项很重要的工作。运用自相关分析图判定时间序列平稳性的准则是：①若时间序列的自相关函数 在kgt3时都落入置信区间，且逐渐趋于零，则该时间序列具有平稳性；②若时间序列的自相关函数更多地落在置信区间外面，则该时间序列就不具有平稳性。 7、 ARMA模型的自相关分析 AR(p)模型的偏自相关函数 是以p步截尾的，自相关函数拖尾。MA(q)模型的自相关函数具有q步截尾性，偏自相关函数拖尾。这两个性质可以分别用来识别自回归模型和移动平均模型的阶数。ARMA(p,q)模型的自相关函数和偏相关函数都是拖尾的。 三、单位根检验和协整检验 1、单位根检验 ①利用迪基—福勒检验（ Dickey-Fuller Test）和菲利普斯—佩荣检验（Philips-Perron Test）,我们也可以测定时间序列的随机性，这是在计量经济学中非常重要的两种单位根检验方法，与前者不同的事，后一个检验方法主要应用于一阶自回归模型的残差不是白噪声，而且存在自相关的情况。 ②随机游动 如果在一个随机过程中， 的每一次变化均来自于一个均值为零的独立同分布，即随机过程 满足： ， ，其中 独立同分布，并且： ， 称这个随机过程是随机游动。它是一个非平稳过程。 ③单位根过程 设随机过程 满足： ， ，其中 ， 为一个平稳过程并且 ，，。 2、协整关系 如果两个或多个非平稳的时间序列，其某个现性组合后的序列呈平稳性，这样的时间序列间就被称为有协整关系存在。这是一个很重要的概念，我们利用Engle-Granger两步协整检验法和J 很高兴回答楼主的问题 如有错误请见谅