平稳时间序列预测

所谓预测，就是要利用序列已知的样本值对序列在未来的某个时刻的取值进行估计。目前对平稳序列最常用的预测方法是线性最小方差预测。线性是指预测值为观察值序列的线性函数，最小方差是指预测方差达到最小。

AR(p)序列预测

下载并调用forecast()
-object:拟合信息文件名。
-h:预测期数。
-level:置信区间的置信水平，不特殊指定的话，系统会自动给出置信水平的分别为80%和95%的置信区间。

根据1950-2008年的观察值序列预测2009-2013年的新增加里程数：

 library(forecast)
> a<-read.table("D:/R-TT/book4/4R/data/file8.csv",sep=",",header = T)
> x<-ts(a$kilometer,start=1950)
> x.fit<-arima(x,order = c(2,0,0))
> x.fore<-forecast(x.fit,h=5)
> x.fore
     Point Forecast     Lo 80    Hi 80     Lo 95    Hi 95
2009       9.465515 -15.02434 33.95537 -27.98848 46.91951
2010       6.215194 -23.94089 36.37128 -39.90456 52.33495
2011       8.392736 -21.76507 38.55054 -37.72964 54.51512
2012      11.678108 -19.95476 43.31098 -36.70019 60.05640
2013      12.885903 -19.44653 45.21833 -36.56228 `
2.33409

系统默认输出预测图
plot(x.fore)

MA（q）序列预测

方法同上，更改ARIMAl中的order参数.

ARMA（p,q）序列预测

方法同上，更改ARIMAl中的order参数.