Page 241 - 4512

 константа (точка перетину),
1, 2, 3 авторегресійні параметри.
Іншими словами, кожне спостереження представлене з
компонента випадкової помилки  і лінійної комбінації попе-
редніх спостережень.

Умова стаціонарності. Авторегресійний процес тільки
тоді буде стійкий, якщо авторегресійні параметри знаходити-
муться в межах обмеженого діапазону, наприклад, - -1<1<+1.
Інакше минулі ефекти накопичуватимуться і значення послідо-
вного x спрямуються в нескінченність, тобто, ряд не буде ста-
t
ціонарним. Якщо є більше за один авторегресійний параметр,
подібні (загальні) обмеження на значення параметра можуть
бути визначені. Модуль Time Series автоматично перевіряє, чи
відповідають дані вимозі стаціонарності.

Процес ковзаючого середнього. Незалежно від авторе-
гресійного процесу, кожен елемент в серії також може бути
спотворений помилками попередніх елементів, які не можуть
бути пояснені авторегресійним компонентом:

x          ...,
1 ( 1)t
2 ( 2)t
t
t

де
 константа,
1, 2, 3 параметри моделі ковзаючого середнього.
Іншими словами, кожне спостереження складається з
компонента випадкової помилки і лінійною комбінацією попе-
редніх випадкових помилок.

Умова інвертованності (Invertibility). Не входячи в де-
талі відмітимо, що існує "дуальність" (двоїстість) між процесом
ковзаючого середнього і авторегресійним процесом, тобто, рі-
вняння ковзаючого середнього може бути переписане (інвер-
товано) в авторегресійну форму (нескінченній протяжності).
Проте це може бути зроблено тільки, якщо параметри ковзаю-
чого середнього значення відповідають певними умовами,

240