论文部分内容阅读
文章在泊松边际分布条件下,将传统的一阶混合Thinning和Pegram算子的MPT离散值时间序列模型拓展到高阶MPT(p)模型。研究了模型的自相关结构,分析了模型阶数与参数估计的方法,推断了参数性质和回归性质,给出了模型的预测方法。通过对MOOC课程的学习行为离散数据序列进行建模分析,描述了在线学习者的行为特征,发现了在线学习行为高阶滞后的相依影响,实现了离散序列的短期预测。