模拟生成一个严平稳遍历序列｛Xt}，并利用模拟数据说明如何利用一次实现确定严平稳遍历序列｛Xt｝的所有有限维分布？（举一个例子即可） 简单一点的，用R代码

在统计学中，严平稳序列（Strictly Stationary Process）是指随机过程的各个随机场在时间上无偏移，且其统计特性（如均值、方差、协方差等）不依赖于时间。例如，ARIMA模型（自回归积分滑动平均模型）就能生成严平稳序列。

在R语言中，我们可以使用`arima.sim()`函数来生成一个ARIMA模型产生的严平稳序列。假设我们要生成一个简单的AR(1)序列，即自回归系数为0.5的序列：

# 安装并加载必要的包
install.packages("forecast")
library(forecast")

# 设置ARIMA模型参数 (p=1代表自回归项数，d=0代表差分次数，q=0代表移动平均项数)
model <- arima(0, d = 0, p = 1)

# 生成一个长度为1000的严平稳序列
xt_series <- arima.sim(model, n = 1000)

# 确定有限维分布
# 对于给定的时间点 t1, t2, ..., tn，我们可以通过计算样本之间的协方差矩阵（cov(xt1, xt2), cov(xt1, xt3), ..., cov(xtn-1, xtn)) 来近似序列的联合分布。

# 例如，二维分布可以这样获取：
t1 <- 1
t2 <- 10
finite_dim_dist <- cov(xt_series[t1], xt_series[t2])

# 更高维度的分布以此类推