动态数据处理 时间序列分析PDF电子书下载

第一章 预备知识 1

1 矩阵与向量 1

2 随机事件与概率 13

3 随机变量及其分布 20

4 数学期望与方差 30

5 随机序列 40

6 平稳随机序列 44

7 多维随机序列 52

8 统计估计 55

9 线性差分方程 69

第二章 ARMA模型 75

1 ARMA模型的定义 75

2 ARMA模型的等价形式 80

3 模型参数的平稳域和可逆域 86

4 ARMA序列的自相关函数 92

5 ARMA序列的偏相关函数 105

第三章 ARMA序列的参数估计 115

1 随机序列的相关矩估计·模型类别的相关分析 115

2 模型参数的初步估计--矩估计 120

3 模型参数的初估计方法--逆函数法 126

4 模型参数的精估计 134

5 长自回归模型和最大熵谱估计 151

第四章 模型的检验、改进和定阶 169

1 时间序列的统计检验 169

2 ARMA模型的改进 177

3 确定性趋势的分离·叠合模型 194

4 模型阶的判别 201

第五章 时间序列的建模与实例 212

1 季节性乘积模型的建模和实例 212

2 ARMA(n，n-1)模型的建模和实例 223

3 用叠合模型对动态数据建模的步骤和实例 242

第六章 最小二乘方法及其在ARMA(p，q)建模中的应用 255

1 最小二乘方法的一般原理 255

2 参数估计的几种非线性最小二乘迭代方法 259

3 阻尼因子的作用和选取 263

4 ARMA(p，q)建模中最小二乘估计的计算方法 272

第七章 时间序列的预报 277

1 平稳线性最小方差预报 277

2 各类模型序列的平稳线性最小方差预报 283

3 时间序列的新息预报 294

第八章 多维动态数据分析 310

1 多维线性时间序列分析模型 311

2 多维自回归模型参数估计 315

3 多维自回归模型参数矩阵的递推算法 318

4 多维自回归模型的预报误差 324

5 多维线性模型的定阶 328

6 计算方法与实例 335

第九章 非线性模型 341

1 概述 341

2 双线性模型 356

3 门限自回归模型 375

第十章 基于0-1序列的时序分析 398

1 引言 398

2 二维平稳正态序列的互相关函数 400

3 相关函数的估计 404

4 基于任意水平u的0-1序列时序分析 412

5 动态数据建模 418

6 预报 425

参考文献 430

后记 433