图6：样本自相关图
从图中自相关系数大部分落在2倍标准差内，p值均小于0.05，,可以判断出该序列值是平稳非白噪声序列。
实验报告二
17.某城市过去63年中每年降雪量数据。 （1）判断该序列的平稳性与纯随机性。
图1：该序列的时序图
从该时序图中可以看出数据大致在80上下波动，大致认为是平稳的，下面进一步判断平稳性等。
图2：序列自相关图
从图中可以看出自相关系数始终在0周围波动，而P值在6阶以后都大于0.05，故此，判断该序列是平稳且非白噪声。
（2）如果序列平稳且非白噪声，选择适当模型拟合该序列的发展。
由序列自相关图，可以看出自相关系数是二阶截尾，偏自相关系数也是一阶截尾，优先考虑ARMA(2，1)模型。
图3：输入模型中变量，选择参数估计方法
图4：参数估计结果 ARMA（2,1）模型：
图5：模型残差
图6：残差的平稳性和纯随机性检验
对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于零，Q统计量的P值都远远大于0.05，因此认为残差序列为白噪声序列，模型信息提取比较充分。
（3）利用拟合模型，预测该城市未来5年的降雪量。
图7：扩展数据进行预测
图8：预测效果