检验拟合模型中参数的显著性 

模型的估计参数可能会很小（小于期待估计值方差）. 这表明不要使用更简单或更结构化的模型.

通过对白噪声信号应用移动平均滤波器，获取随机采样.

In[1]:=

X BlockRandom[SeedRandom[1]; whiteNoise = RandomFunction[WhiteNoiseProcess[], {0, 10^3}]; data = MovingMap[{0.34, 1}.# &, whiteNoise, 2]]

Out[1]=

对数据拟合零均值时间序列.

In[2]:=

X tsm = TimeSeriesModelFit[data, IncludeConstantBasis -> False]

Out[2]=

表示显示估计的时间序列参数和其标准差，以及行对应的 检验统计和 值的参数列表.

In[3]:=

X tsm["ParameterTable"]

Out[3]=

参数列表表明自回归系数 并非显著不等于零. 求 MA（1）模型的最大似然估计.

In[4]:=

X maMLE = EstimatedProcess[data, MAProcess[{\[ScriptA]}, \[ScriptV]], ProcessEstimator -> "MaximumLikelihood"]

Out[4]=

赤池信息量准则支持由 MLE 估计的 MA(1) 模型.

In[5]:=

X crit = tsm["SelectionCriterion"]; {crit, TimeSeriesModelFit[data, maMLE][crit], tsm[crit]}

Out[5]=

计算移动平均参数的 95% 置信区间.

In[6]:=

X TimeSeriesModelFit[data, maMLE]["ParameterConfidenceIntervals", ConfidenceLevel -> 0.95]

Out[6]=