模拟乘法ARIMA模型
该示例示出了如何从乘积季节ARIMA模型使用模拟样品路径模拟。时间序列为每月的国际航线客运量一九四九年至1960年。
加载数据和估计模型。
加载数据集Data_Airline。
加载（'Data_Airline.mat'）;定义Y = Log（数据）;T =长度（Y）;MDL = ARIMA（'不变'，0，'d'1，“季节性”12，...'MALags'1，'SMALags'，12）;EstMdl =估计（MDL，Y）;
ARIMA（0,1,1）模型季节性集成为季节性MA（12）（高斯分布）：值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
RES =推断（EstMdl，Y）;
模拟航空公司乘客计数。
使用拟合模型在60个月（5年）的地平线模拟航空乘客数的25变现。用观测序列和推断残差作为样品前的数据。
RNG（'默认'）Ysim =模拟（EstMdl，60，'NumPaths'25，'Y0'，Y，'E0'，RES）;MN =平均值（Ysim，2）;图图（Y，数k）保持上情节（T + 1：T + 60，Ysim，'颜色'）[85，0.85，0.85。];H =情节（T + 1：T + 60，MN，'K--'，'行宽'，2）;XLIM（[0，T + 60]）标题（“模拟航空公司乘客计数”）图例（H，“模拟意味着”，'位置'，'西北'）保持离
模拟预测表明增长和类似观测序列季节周期性。
估计未来事件的概率。
使用模拟来估计日志航线旅客数将达到或超过在未来5年价值7一段时间的概率。计算与估计概率相关的蒙特卡洛错误。
RNG默认Ysim =模拟（EstMdl，60，'NumPaths'，1000，'Y0'，Y，'E0'，RES）;G7 =总和（Ysim> = 7）> 0;柏=平均值（G7）
柏= 0.3910
ERR = SQRT（柏*（1-柏）/ 1000）
ERR = 0.0154
有大约39％的机会，飞机乘客的（日志）数量将达到或在未来5年内超过7。估计的蒙特卡洛标准误差为0.02。
绘制乘客的在未来某一时间的分布。
使用模拟到（日志）航空公司乘客计数60个月分布图到未来。
图直方图（Ysim（60，:)，10）的标题（“乘客的分布计数60个月）
也可以看看
相关的例子
更多关于
您还可以选择从下面的列表中的网站：
