当前位置:首页 > 数理化
应用时间序列分析
应用时间序列分析

应用时间序列分析PDF电子书下载

数理化

  • 电子书积分:11 积分如何计算积分?
  • 作 者:王炜炘等编著
  • 出 版 社:桂林:广西师范大学出版社
  • 出版年份:1999
  • ISBN:7563329102
  • 页数:295 页
图书介绍:
《应用时间序列分析》目录

第一章 预备知识 1

1 随机过程 1

1.1 基本概念 1

1.2 随机过程(序列)的概率分布 4

1.3 二阶矩随机序列和参数特征 6

1.4 正态随机序列 7

2 平稳序列 8

2.1 概念及自协方差函数 8

2.2 平稳序列与自协方差函数的谱表示 12

2.3 平稳序列的遍历性 18

2.4 平稳过程的采样 21

3 线性差分方程 24

4 最小方差估计 28

4.1 最小方差估计准则 28

4.2 条件期望与条件方差 29

4.3 最小方差估计 31

4.4 线性最小方差估计 32

第二章 确定型时间序列模型 37

1 时间序列分析概述 37

2 确定型时间序列分析 38

2.1 趋势变动预测模型 38

2.2 季节变动预测模型 48

第三章 平稳线性模型--ARMA模型 54

1 噪声序列 54

2.1 线性过程的定义与性质 56

2 线性过程 56

2.2 线性过程的传递形式和逆转形式 58

3 ARMA模型 60

3.1 ARMA模型的定义 61

3.2 有理谱密度 65

4 ARMA模型的等价形式及其特性 67

4.1 模型的传递形式和格林(Green)函数 67

4.2 模型的逆转形式和逆函数 71

5 模型参数的平稳域与可逆域 74

5.1 ARMA模型平稳域与可逆域 74

5.2 高阶ARMA模型平稳可逆域检验 76

6 ARMA 序列的自协方差函数与逆自协方差函数及其特征 79

6.1 线性过程的逆自协方差函数及其性质 79

6.2 ARMA序列的自协方差函数及其特征 81

6.3 ARMA序列的逆自协方差函数及其特征 87

7 ARMA序列的偏相关函数与逆偏相关函数及其特征 89

7.1 偏相关函数的定义与概率意义 90

7.2 偏相关函数的递推算法 91

7.3 AR(p)序列偏相关函数截尾性,MA(q)和ARMA(p,q)序列偏相关函数拖尾性 95

7.4 ARMA(p,q)序列的逆偏相关函数及其特征 98

第四章 ARMA模型的参数估计 102

1 平稳序列参数表征的矩估计 103

1.1 均值估计 103

1.2 自协方差函数{yk}和自相关函数{ρk}的估计 104

1.3 偏相关函数估计 107

2 ARMA模型参数估计 108

2.1 ARMA模型参数矩估计直接法 109

2.2 ARMA模型参数矩估计的逆函数法 117

2.3 ARMA模型参数矩估计的逆自协方差函数法 121

3 ARMA模型参数的精估计 123

3.1 模型参数的最小二乘估计 123

3.2 模型参数的近似极大似然估计(最小平方和估计) 131

第五章 ARMA模型定阶、非平稳序列模型及建模实例 138

1 ARMA模型定阶 138

1.1 相关分析法用于ARMA模型定阶 138

1.2 用F-检验准则确定ARMA模型的阶 143

1.3 FPE、AIC、BIC定阶准则 145

2 非平稳序列的时序模型 153

2.1 ARIMA模型 155

2.2 乘积模型 159

2.3 趋势分量和季节分量的估计 163

3 动态数据的系统定阶 164

3.1 采用ARMA(n,n-1)拟合动态数据的合理性 165

3.2 建模步骤 167

4 建模实例 172

第六章 时间序列的预报 184

1 平稳线性最小均方误差预报 184

1.1 l步预报和预报误差方差 188

1.2 ARMA(p,q)序列的平稳线性最小均方误差预报 190

2 一类非平稳序列的线性最小均方误差预报 201

2.1 ARIMA(p,d,q)序列的预报 202

2.2 季节性乘积模型的预报 203

2.3 非平稳序列的叠合模型的预报 205

3.1 新息定理 207

3 ARMA序列的新息(Innovation)预报 207

3.2 新息预报与线性最小均方误差预报的比较 213

第七章 基于多值状态序列的时序分析 219

1 基于均值为水平的0--1序列 220

1.1 自相关函数之间关系 220

1.2 0--1序列的自相关函数(p?)的估计 222

1.3 原序列{Xt}的AR建模 226

2 基于任意水平的0--1序列 229

2.1 自相关函数之间的关系 230

2.2 自相关函数的估计 233

3 有限个状态序列分析 235

3.1 自相关函数之间的关系 235

3.2 自相关函数与pj,μ,σ2的估计 238

3.3 状态序列的预报 242

第八章 非线性模型与多维·AR模型 245

1 引言 245

2 非线性模型 247

2.1 非线性模型的类型 247

2.2 模型线性性与非线性性的判别 251

2.3 门限自回归模型的定义与特性 255

2.4 门限自回归模型的建模与预报 263

2.5 门限自回归模型的实例 268

3 多维AR模型 273

3.1 多维平稳序列 274

3.2 多维AR模型 278

参考文献 294

相关图书
作者其它书籍
返回顶部