本篇目录：
19正态性和平稳性检验
正态性检验(Normality Test)是一种特殊的假设检验，是检验一批观测值(或对观测值进行函数变换后的数据)或一批随机数是否来自正态总体，是否服从正态分布。
正态检验主要用于检验一个数据集是否服从正态分布，对数据进行统计分析之前，第一步就需要对数据进行 正态性检验 ，以检验该数据来自正态分布总体的概率有多大，再选择对应的参数或非参数检验方法进行分析。
正态性检验：偏度和峰度。偏度（Skewness）：描述数据分布不对称的方向及其程度。
基于统计量的方法：主要包括基于Z分数的检验、基于t分数的检验和基于卡方分数的检验。 基于概率分布的方法：主要包括Kolmogorov-Smirnov检验、Cramér-von Mises检验和Anderson-Darling检验。
由此可见，部分SPSS教材里面关于“Shapiro –Wilk适用于样本量3-50之间的数据”的说法是在是理解片面，误人子弟。（2）单样本Kolmogorov-Smirnov检验可用于检验变量（如体重）是否为正态分布。
平稳独立过程的定义
1、证明一个随机过程是宽平稳过程或者独立增量过程：平稳分为严平稳和宽平稳，严平稳是指，任取x1，x2，xn，任取k，p（x1，x2，xn）=p（x1-k，x2-k，xn-k）。
2、性质状态离散的平稳独立增量过程是一类特殊的马尔可夫过程。泊松过程和布朗运动都是它的特例。从一般的独立增量过程分离出本质上是独立随机变量序列的部分和以后，剩下的部分总是随机连续的。
3、随机游动--布朗运动 定义 (1) X(t) 是平稳独立增量过程(X(0) = 0) (2) 每个增量 X(t) - X(s) 服从均值为 0 和方差为 的正太分布，且 布朗运动B(t)又叫维纳过程W(t)。
判断数据是否平稳一般要多少数据
1、spss标准差0.36到0.98的范围算稳定。判断数据稳定，应该看ACF及PACF的截尾性 ，若两者中一截尾性、另一拖尾则为平稳时间序列，两者都拖尾或都截尾则为非平稳序列数据不满足正态分布也可以用ARMA模型，与分布没关系。
2、例从图表来看，样品的平均值在0附近上下变动，样品的自相关系数迅速下降到0，然后在0附近变动，逐渐收敛到0。 因此，初步判断这一随机过程是一个稳定的过程。
3、如果单位和（或）平均数不同时，比较其变异程度就不能采用标准差，而需采用标准差与平均数的比值（相对值）来比较。离散系数指标 离散系数指标有：全距（极差）系数、平均差系数、方差系数和标准差系数等。
4、是要判断ADF值与三个水平下的值，小于的话，不需要做差分，大于的情况下要做差分序列和ADF检验；P值和ADF检验都是参考目标，但主要是ADF值，因为它的约束较P值严格，P值存在于给定显著水平内即可。
5、生产过程中数据稳定性的判断，主要有三种方法：最值差值法、统计学方法、百分数衡量法 。
6、数据的平稳性：需要对数据进行平稳性检验，因为PVAR模型要求数据必须是平稳的，即时间上的相关性和波动性不随时间而发生变化。
到此，以上就是小编对于平稳过程判断方法的问题就介绍到这了，希望介绍的几点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。
微信扫一扫打赏
