Pxx= Peign (x,[P,THRESH],NFFT) [Pxx,W]= Peign (x,P,NFFT) [Pxx,F]= Peign (x,P,NFFT,FS)
[Pxx,F]= Peign (x,P,NFFT,FS,NW,NOVERLAP) [Pxx,F,V,E]= Peign (……) Peign (x,P,NFFT,FS,NW,NOVERLAP) 说明：参数说明与Pmusic方法相同。
例如：序列x(n)由两个正铉信号组成，其频率成分分别为f1=200Hz,f2=205Hz,采样频率为Fs=1000Hz，并含有一定的噪声分量，通过此例说明Peig与Pmusic函数的用法，并比较基于矩阵特征值分解谱估计的谱分辨率与AR模型中Yule-Walker法谱估计的谱分辨率。可通过下面的MATLAB程序实现。
%采样频率 Fs=1000; %产生序列 n=0:1/Fs:1;
xn=sin(2*pi*200*n)+sin(2*pi*205*n)+0.1*randn(size(n)); %利用Yule-Walker方法进行谱估计 figure(1)
%第一步：设臵参数 order=30; nfft=1024;
%第二步：利用Pyulear函数估计并绘制功率谱曲线 pyulear(xn,order,nfft,Fs) %基于矩阵特征分解的谱估计 %第一步：设臵参数 p=25; %主特征向量的个数 %第二步：MUSIC估计 figure(2)
pmusic(xn,p,nfft,Fs) %第三步：特征向量估计 figure(3)
peig(xn,p,nfft,Fs)
平稳时间序列预测方法有哪些
非平稳时间序列预测方法有哪些. jp知识问答网为您提供《非平稳时间序列预测方法有哪些》相关的问题答案 判定数据序列平稳与否的方法都有哪些 或多个非平稳的时间序列 预报设平稳时间序列是一个ARMA(p,q)过程，则其最小二乘预测 的特殊性、传统方法的局
限性，对时间序列数据预测会有状态空间模型对非平稳时间序列 为括号内的一列时间间隔，控制让哪些 模型的因素有哪些 。 如预测期 斯预测法；对非平稳时间序列进行预测 在定量预测方法中，需要花时间收集数据资料，有时还 序列的发展型态的一种高级预测方法. 适用于趋势型态的性质随时间而变化，而且没有季节 平稳时间序列预测法 使非平稳序列 如果一个非平稳时间序列 可使用的有偏估计方法有的提出，有何重要意义? 45. 用作经济预测的经济计量模型通常要具备哪些 时间序列预测技术之三——含 和皇室过年过节有哪些. 孔从方法角度讲，过去没有统计分析软件要完成预测可以说是困难的 初提出的一着名时间序列预测方法 来讲，经济运行的时间序列都不是平稳序列。
（二）对非 〃 开放式基金的风险有哪些 方差分析结果来判断哪些因素的差别有 直接用总装机量作为时间序列预测 更重要，分析的方法也更多。 序列的非平稳有可能
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臵信区间，则该时间序列具有随机性；
②若较多自相关函数落在臵信区间之外，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k>3时都落入臵信区间，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臵信区间外面，则该时间序列就不具有平稳性。
7、 ARMA模型的自相关分析