模拟乘法Arima模型
此示例显示如何使用乘法季节性ARIMA模型模拟示例路径模拟。时间序列是1949年至1960年的每月国际航空公司乘客编号。
加载数据并估计模型。
加载数据集data_airline.。
加载（'data_airline.mat'）;y =日志（数据）;t =长度（y）;mdl =阿里马（'不变'，0，'D'，1，'季节性'，12，......'马格拉格斯'，1，'smalags'，12）;estmdl =估计（mdl，y）;
Arima（0,1,1）模型与季节性MA（12）（高斯分布）季节性化（高斯分布）：价值标准误节Tstatistic Pvalue _________ __________________________常数0 0纳米纳米{1} -0.37716 0.066794-08 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。
使用拟合模型来模拟60个月（5年）地平线的航空公司乘客的25个实现。使用观察到的系列和推断残差作为预先数据。
RNG（'默认'）ysim =模拟（estmdl，60，'numpaths'，25，'y0'，y，'e0'，res）;Mn =平均值（YSIM，2）;图绘图（Y，'K'） 抓住上绘图（T + 1：T + 60，YSIM，'颜色'，[。85，.85，.85]）;H =图（T + 1：T + 60，MN，'k-'那'行宽'，2）;XLIM（[0，T + 60]）标题（'模拟航空公司乘客计数'）传奇（H，'模拟意味着'那'地点'那'西北'） 抓住离开
模拟预测显示了与观察到的系列类似的增长和季节性周期。
估计未来事件的概率。
使用模拟来估计日志航空公司乘客计数将在未来5年内达到或超过价值7的概率。计算与估计概率相关的蒙特卡罗错误。
RNG.默认ysim =模拟（estmdl，60，'numpaths'，1000，'y0'，y，'e0'，res）;G7 = SUM（YSIM> = 7）> 0;phat =平均值（g7）
phat = 0.3910.
err = sqrt（phat *（1-phat）/ 1000）
err = 0.0154.
大约有39％的机会（Log）航空公司乘客的数量将在未来5年内达到或超过7。估计的蒙特卡罗标准误差约为0.02。
在未来的时间绘制乘客的分布。
使用模拟来绘制（日志）航空公司乘客的分布到未来60个月。
图表直方图（YSIM（60，:)，10）标题（'60个月的乘客分配）
也可以看看
相关例子
更多关于
您还可以从以下列表中选择一个网站：
