时间序列数据的分析主要研究目的是总结过去预测未来。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:40:00
出自:国家开放大学大数据分析与挖掘技术
全球温度异常数据中有呈直线上升的趋势，这种变动是长期趋势波动。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:40:00
出自:国家开放大学大数据分析与挖掘技术
对非平稳的时间序列进行转化，使之成为平稳时间序列的数据转换过程，称为（ ）。
【A.】零均值化
【B.】标准化
【C.】平稳化
【D.】归一化
答案是：C
更新时间:2023/6/29 15:40:00
出自:国家开放大学大数据分析与挖掘技术
对均值不为零的时间序列进行转化，使其均值为零的数据转换过程，称为（ ）。
【A.】零均值化
【B.】标准化
【C.】平稳化
【D.】归一化
答案是：A
更新时间:2023/6/29 15:40:00
出自:国家开放大学大数据分析与挖掘技术
下面白噪声检验结果表示，在α=0.1的条件下，白噪声检验的p值均大于α，表明白噪声检验结果（ ），所以该数据是（ ）。【A.】显著；平稳
【B.】显著；非平稳
【C.】不显著；平稳
【D.】不显著；非平稳
答案是：C
更新时间:2023/6/29 15:40:00
出自:国家开放大学大数据分析与挖掘技术
如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为（ ）。
【A.】绝对数时间序列
【B.】宽平稳时间序列
【C.】非平稳时间序列
【D.】严平稳时间序列
答案是：B
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
一个时间序列的自相关系数：（ ）
【A.】取值在-1到1之间
【B.】取值在0到1之间
【C.】取值在-1到0之间
【D.】取值在-3到3之间
答案是：A
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
下面不能进行时间序列平稳性检验的是（ ）。
【A.】自相关系数
【B.】自相关图检验
【C.】单位根检验
【D.】DW检验
答案是：D
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
如果一个时间序列的概率分布与时间t无关，则称该序列为（ ）。
【A.】绝对数时间序列
【B.】平稳时间序列
【C.】非平稳时间序列
【D.】相对数时间序列
答案是：B
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
序列均值或协方差与时间有关的序列为（ ）。
【A.】绝对数时间序列
【B.】平稳时间序列
【C.】非平稳时间序列
【D.】相对数时间序列
答案是：C
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
下面白噪声序列说法错误的是（ ）。
【A.】具有零均值
【B.】具有同方差性
【C.】协方差为零
【D.】不是平稳时间序列
答案是：D
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
下列不属于要研究平稳时间序列的原因为（ ）
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非
答案是：C
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
为了能进行ARIMA时间序列分析建模，通常将非平稳时间序列进行（ ）和（ ），将其转化为零均值平稳时间序列。
【A.】零均值化；平稳化
【B.】零均值化；标准化
【C.】标准化；平稳化
【D.】标准化；归一化
答案是：A
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
利用白噪声检验时间序列平稳性，如果白噪声结果显著，则表明时间序列总体自相关是（ ）的，即表现为（ ）。
【A.】显著；平稳
【B.】显著；非平稳
【C.】不显著；平稳
【D.】不显著；非平稳
答案是：B
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
如果销售额数据与时间有密切相关的联系，即销售额数值随时间的推进而不断上升，则称该序列为（ ）。
【A.】绝对数时间序列
【B.】宽平稳时间序列
【C.】非平稳时间序列
【D.】严平稳时间序列
答案是：C
更新时间:2023/6/29 15:39:00
出自:国家开放大学大数据分析与挖掘技术
一个时间序列的自相关系数：（ ）
【A.】其值越小，说明时间序列的自相关程度越高
【B.】其值越大，说明时间序列的自相关程度越高
【C.】其绝对值越小，说明时间序列的自相关程度越高
【D.】其绝对值越大，说明时间序列的自相关程度越
答案是：D
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
从下面的时序图不能得到的结论是（ ）【A.】该序列具有零均值
【B.】该序列均值不随时间变化而变化
【C.】这是一个平稳时间序列
【D.】这是一个非平稳时间序列
答案是：D
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
从下面的时序图一定可以得到的结论是（ ）
【A.】该序列具有零均值
【B.】该序列具有同方差性
【C.】这是一个白噪声序列
【D.】这是一个平稳时间序列
答案是：A
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
我们可以通过（ ）方式将非平稳时间序列进行零均值化和平稳化。
【A.】标准化
【B.】函数
【C.】差分
【D.】归一化
答案是：BC
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
下列关于时间序列说法正确的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间
答案是：AB
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
按照不同的性质和特征，可以对时间序列进行分类，从统计特性上来看，时间序列可以分为（ ）。
【A.】绝对数时间序列
【B.】平稳时间序列
【C.】非平稳时间序列
【D.】相对数时间序列
答案是：BC
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
下面能够进行时间序列平稳性检验的是（ ）。
【A.】自相关系数
【B.】自相关图检验
【C.】单位根检验
【D.】DW检验
答案是：ABC
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
下面白噪声序列说法正确的是（ ）。
【A.】具有零均值
【B.】具有同方差性
【C.】协方差为零
【D.】不是平稳时间序列
答案是：ABC
更新时间:2023/6/29 15:38:00
出自:国家开放大学大数据分析与挖掘技术
下图分别为原始数据和一阶差分数据的单位根检验的结果，根据其p值，可以看出原始数据的单位根检验（ ），即p值非常大，没有充分的理由拒绝原假设，即原始序列是（ ）的序列;而一阶差分后的序列的单位根检验的p值（ ），故可以拒绝原假设，认为一
答案是：BC
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
下列关于时间序列说法错误的是（ ）。
【A.】宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【B.】白噪声序列是平稳时间序列。
【C.】平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【D.】如果时间序
答案是：CD
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
要研究平稳时间序列的原因为（ ）
【A.】在平稳的保证情况下，对历史时序数据进行分析的参数估计结果也比较稳定；
【B.】平稳时间序列可以直接用于对未来时序数据的预测；
【C.】平稳时间序列存在“伪回归”的情况；
【D.】非平稳时间序
答案是：ABD
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
当一个时间序列具有单位根时是平稳的。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
对原始数据进行一次差分的过程称为一阶差分。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
在一般情况下，非平稳的时间序列在经过一阶差分或二阶差分之后都可以平稳化。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
序列均值或协方差与时间有关的序列为非平稳时间序列。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:37:00
出自:国家开放大学大数据分析与挖掘技术
白噪声序列是平稳时间序列。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
一个时间序列的自相关系数，其绝对值越接近于1，说明时间序列的自相关程度越高。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
非平稳时间序列的特征表现为在整体上或局部上有明显的上升或下降的趋势。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
当一个时间序列具有单位根时是非平稳的。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
单位根检验用于检验一个时间序列的平稳性。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为严平稳时间序列。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
严平稳时间序列其特征即均值和协方差不随时间变化而变化。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
一个时间序列的自相关系数，其绝对值越接近于0，说明时间序列的自相关程度越高。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
白噪声序列不是平稳时间序列。
【A.】√
【B.】×
答案是：B
更新时间:2023/6/29 15:36:00
出自:国家开放大学大数据分析与挖掘技术
一个时间序列如果能通过差分的方式平稳化，则可称其具有单位根。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
宽平稳时间序列其特征即均值和协方差不随时间变化而变化。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
如果一个时间序列的概率分布与时间t无关，则称该序列为平稳时间序列。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
差分用于将非平稳的时间序列平稳化。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
如果时间序列的一阶矩、二阶矩存在，而且对任意时刻满足均值为常数，协方差为时间间隔的函数，则称该序列为宽平稳时间序列。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
白噪声序列可以对时序模型拟合进行检验。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
具体表现为某个观测值不仅与其以前p个时刻的自身观测值有关，还与其以前时刻进入系统的q个随机误差存在一定的依存关系的模型是（ ）。
【A.】AR
【B.】ARIMA
【C.】ARMA
【D.】MA
答案是：C
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
具体表现为某个观测值与其滞后p期的观测值的线性组合再加上随机误差项的模型是（ ）。
【A.】AR
【B.】ARIMA
【C.】ARMA
【D.】MA
答案是：A
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
ARIMA模型也被叫做( )
【A.】自回归移动平均模型
【B.】自回归模型
【C.】移动平均模型
【D.】整合自回归移动平均模型
答案是：D
更新时间:2023/6/29 15:33:00
出自:国家开放大学大数据分析与挖掘技术
请问下面的哪个模型是自回归模型（ ）
【A.】
【B.】X=A-1-0.8A-2
【C.】
【D.】
答案是：B
更新时间:2023/6/29 15:32:00
出自:国家开放大学大数据分析与挖掘技术
具体表现为某个观测值与其先前的t-1，t-2，t-q个时刻进入系统的q个随机误差项的线性组合的模型是（ ）。
【A.】AR
【B.】ARIMA
【C.】ARMA
【D.】MA
答案是：D
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
ARIMA模型也叫整合自回归平均模型，可以分为（ ）模型、（ ）模型；（ ）模型。
【A.】AR
【B.】Box-Jenkins
【C.】ARMA
【D.】MA
答案是：ACD
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
MA（q）模型的基本假设有（ ）。
【A.】假设仅与有关；
【B.】与无关；
【C.】随机误差项是一个白噪声；
【D.】与有关；
答案是：ABC
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
AR（p）模型的基本假设有（ ）。
【A.】假设仅与有线性关系；
【B.】在已知的条件下，与线性相关
【C.】随机误差项是一个白噪声；
【D.】在已知的条件下，与无关；
答案是：ACD
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
进行ARMA模型建模之前，分析的时间序列必须满足平稳性条件。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
Box-Jenkins法的基本思想是用时间序列过去值和现在的值的线性组合来预测其未来的值。
【A.】√
【B.】×
答案是：A
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
平稳时间序列的自相关系数图拖尾, 偏自相关系数图p阶截尾,可以识别为（ ）模型
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0
答案是：C
更新时间:2023/6/29 15:31:00
出自:国家开放大学大数据分析与挖掘技术
采用AIC准则找最优模型得到如下的结果：
The AIC of ARMA(0,0) is 13679.401951273543
The AIC of ARMA(0,1) is 13332.135879407648
The AIC of
答案是：D
更新时间:2023/6/29 15:30:00
出自:国家开放大学大数据分析与挖掘技术
偏自相关系数的实质是使得残差的（ ）达到（ ）的k阶AR模型的第k项系数。
【A.】均值；最小
【B.】均值；最大
【C.】方差；最小
【D.】方差；最大
答案是：C
更新时间:2023/6/29 15:30:00
出自:国家开放大学大数据分析与挖掘技术
平稳时间序列的自相关系数图p阶截尾, 偏自相关系数图拖尾,可以识别为（ ）
【A.】MA(p)
【B.】ARIMA(p,q)，q>0
【C.】AR(p)
【D.】ARMA(p,q)，q>0
答案是：A
更新时间:2023/6/29 15:29:00
出自:国家开放大学大数据分析与挖掘技术 目前为： 5/9 页 首页 上页 下页 尾页