图书介绍
现代统计学系列丛书 时间序列分析及应用PDF|Epub|txt|kindle电子书版本网盘下载
- 周永道，王会琦，吕王勇编著 著
- 出版社： 北京：高等教育出版社
- ISBN：9787040429671
- 出版时间：2015
- 标注页数：308页
- 文件大小：86MB
- 文件页数：323页
- 主题词：时间序列分析－高等学校－教材
PDF下载
下载说明
现代统计学系列丛书 时间序列分析及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一章 绪论1
1.1 时间序列1
1.1.1 时间序列的例子1
1.1.2 时间序列分析的目的4
1.2 时间序列分析方法5
1.2.1 时域分析方法5
1.2.2 频域分析方法6
1.3 时间序列的预处理7
1.3.1 非等间隔7
1.3.2 缺失值7
1.3.3 离群点8
1.4 时间序列分析发展史10
第二章 预备知识13
2.1 随机过程13
2.1.1 随机过程的定义13
2.1.2 随机过程的有限维分布族与数字特征14
2.1.3 常见的随机过程17
2.2 傅里叶变换21
2.3 差分方程与系统24
2.3.1 差分方程24
2.3.2 时域离散系统25
2.3.3 差分方程与系统27
习题30
第三章 时间序列的平稳化31
3.1 平稳时间序列31
3.1.1 平稳时间序列的定义31
3.1.2 自协方差函数33
3.1.3 平稳性的意义35
3.1.4 样本自协方差函数36
3.1.5 平稳序列谱密度37
3.1.6 白噪声序列39
3.2 平稳性检验39
3.2.1 时序图判断法40
3.2.2 自相关系数检验法41
3.2.3 分段检验法43
3.2.4 游程检验法44
3.3 平稳化方法46
3.3.1 分解定理47
3.3.2 确定性因素分解法48
3.3.3 随机性序列差分法61
3.4 白噪声检验63
习题67
第四章 自回归模型69
4.1 AR模型的引入69
4.2 AR模型的定义71
4.3 平稳AR序列的统计性质75
4.3.1 均值75
4.3.2 方差75
4.3.3 自协方差函数76
4.3.4 自相关系数78
4.3.5 偏自相关系数82
4.3.6 谱密度87
4.4 AR序列的建模88
4.4.1 AR模型的判定89
4.4.2 AR模型的参数估计90
4.4.3 AR模型的定阶96
4.4.4 AR模型的检验97
4.5 AR模型的应用98
4.6 AR模型的预测106
4.6.1 最佳预测106
4.6.2 最佳线性预测108
4.6.3 AR模型的预测113
4.6.4 修正预测119
4.7 AR模型的物理解释121
4.7.1 从数理统计角度理解121
4.7.2 从系统角度理解122
4.7.3 系统的因果稳定性124
习题125
第五章 滑动平均模型127
5.1 MA模型的定义127
5.2 MA模型的可逆性129
5.3 MA序列的统计性质130
5.3.1 均值和方差131
5.3.2 自协方差函数和自相关系数131
5.3.3 偏自相关系数133
5.3.4 谱密度135
5.4 MA序列的建模136
5.4.1 MA模型的判定136
5.4.2 MA模型的参数估计137
5.4.3 MA模型的定阶141
5.4.4 MA模型的检验142
5.5 MA模型的预测144
5.5.1 修正预测146
5.6 MA模型的应用147
5.7 MA模型的物理解释150
5.7.1 从数理统计角度理解150
5.7.2 从系统角度理解151
5.7.3 系统的因果稳定性152
习题153
第六章 自回归滑动平均模型155
6.1 ARMA模型的定义155
6.2 ARMA模型的统计性质160
6.2.1 均值和方差160
6.2.2 自协方差函数和自相关系数161
6.2.3 谱密度164
6.3 ARMA序列的建模165
6.3.1 ARMA模型的判定165
6.3.2 ARMA模型的参数估计170
6.4 ARMA模型的预测177
6.4.1 无限观测值177
6.4.2 有限观测值179
6.5 ARMA模型的应用182
6.6 ARMA模型的物理解释186
6.6.1 从数理统计角度理解186
6.6.2 从系统角度理解187
6.6.3 系统的因果稳定性189
习题190
第七章 求和自回归滑动平均模型192
7.1 ARIMA模型的定义192
7.2 ARIMA模型的建模195
7.2.1 过差分195
7.2.2 ARIMA模型的建模流程196
7.3 ARIMA模型的应用200
7.4 SARIMA模型204
7.4.1 SARIMA模型的定义204
7.4.2 SARIMA模型的应用205
习题211
第八章 非线性时间序列213
8.1 条件异方差模型213
8.1.1 异方差问题的提出213
8.1.2 异方差的处理214
8.1.3 条件异方差模型及性质215
8.1.4 GARCH模型及其性质221
8.1.5 GARCH模型的参数估计224
8.1.6 GARCH模型的应用227
8.2 门限自回归模型229
8.2.1 门限自回归模型的定义229
8.2.2 门限自回归模型的参数估计232
8.2.3 门限自回归模型的应用235
习题237
第九章 多维时间序列238
9.1 多维平稳序列238
9.1.1 多维平稳序列的定义239
9.1.2 均值及自协方差函数的估计242
9.1.3 多维ARMA模型243
9.1.4 VAR模型246
9.1.5 VAR模型应用250
9.2 协整252
9.2.1 伪回归252
9.2.2 协整253
9.3 Kalman滤波260
9.3.1 Kalman滤波的模型261
9.3.2 状态估计264
9.3.3 Kalman滤波的应用269
习题271
附录A 数据273
附录B EViews上机实现284
参考文献304
索引307