新書推薦：
《
自由的危机：全球视角下的英国内战史
》
售價：NT$
806.0
《
索恩丛书·俾斯麦：欧洲风暴
》
售價：NT$
913.0
《
元首政治与帝国治理——以赫洛迪安《罗马帝国史》为考察对象
》
售價：NT$
347.0
《
镜观中国 1930年代的中国人、中国事和中国景 “走近中国”译丛系列
》
售價：NT$
398.0
《
地中海十城：西方文明的古典基因
》
售價：NT$
454.0
《
国学的天空（国学导师、“百家讲坛”主讲人傅佩荣经典之作）
》
售價：NT$
347.0
《
疑案里的中国史3艾公子著（中国史里扑朔迷离的40个疑案，惊奇好玩又脑洞大开受益匪浅）
》
售價：NT$
356.0
《
大学问·清代银钱比价波动研究（重绘清代全国各省的银钱比价数据序列，为清代货币史、经济史的研究提供了有力的数据支撑）
》
售價：NT$
709.0
|
| 內容簡介： |
周永道、王会琦、吕王勇编的《时间序列分析及应用》是为统计学专业学生编写的时间序列分析课程教材，全书共九章，内容包括绪论，预备知识，时间序列的平稳化，自回归模型，滑动平均模型，自回归滑动平均模型，求和自回归滑动平均模型，非线性时间序列，多维时间序列。本书内容既保证了理论的完整性，又具有方法的实际可操作性，多重角度剖析时间序列的三大模型，并结合统计软件EViews应用，增强学习效果。
本书既可作为高等学校统计学专业本科生时间序列分析课程的教材，也可供相关专业的研究生和教师参考。
|
| 目錄：
|
第一章 绪论
1.1 时间序列
1.1.1 时间序列的例子
1.1.2 时间序列分析的目的
1.2 时间序列分析方法
1.2.1 时域分析方法
1.2.2 频域分析方法
1.3 时间序列的预处理
1.3.1 非等间隔
1.3.2 缺失值
1.3.3 离群点
1.4 时间序列分析发展史
第二章 预备知识
2.1 随机过程
2.1.1 随机过程的定义
2.1.2 随机过程的有限维分布族与数字特征
2.1.3 常见的随机过程
2.2 傅里叶变换
2.3 差分方程与系统
2.3.1 差分方程
2.3.2 时域离散系统
2.3.3 差分方程与系统
习题
第三章 时间序列的平稳化
3.1 平稳时间序列
3.1.1 平稳时间序列的定义
3.1.2 自协方差函数
3.1.3 平稳性的意义
3.1.4 样本自协方差函数
3.1.5 平稳序列谱密度
3.1.6 白噪声序列
3.2 平稳性检验
3.2.1 时序图判断法
3.2.2 自相关系数检验法
3.2.3 分段检验法
3.2.4 游程检验法
3.3 平稳化方法
3.3.1 分解定理
3.3.2 确定性因素分解法
3.3.3 随机性序列差分法
3.4 白噪声检验
习题
第四章 自回归模型
4.1 AR模型的引入
4.2 AR模型的定义
4.3 平稳AR序列的统计性质
4.3.1 均值
4.3.2 方差
4.3.3 自协方差函数
4.3.4 自相关系数
4.3.5 偏自相关系数
4.3.6 谱密度
4.4 AR序列的建模
4.4.1 AR模型的判定
4.4.2 AR模型的参数估计
4.4.3 AR模型的定阶
4.4.4 AR模型的检验
4.5 AR模型的应用
4.6 AR模型的预测
4.6.1 最佳预测
4.6.2 最佳线性预测
4.6.3 AR模型的预测
4.6.4 修正预测
4.7 AR模型的物理解释
4.7.1 从数理统计角度理解
4.7.2 从系统角度理解
4.7.3 系统的因果稳定性
习题
第五章 滑动平均模型
5.1 MA模型的定义
5.2 MA模型的可逆性
5.3 MA序列的统计性质
5.3.1 均值和方差
5.3.2 自协方差函数和自相关系数
5.3.3 偏自相关系数
5.3.4 谱密度
5.4 MA序列的建模
5.4.1 MA模型的判定
5.4.2 MA模型的参数估计
5.4.3 MA模型的定阶
5.4.4 MA模型的检验
5.5 MA模型的预测
5.5.1 修正预测
5.6 MA模型的应用
5.7 MA模型的物理解释
5.7.1 从数理统计角度理解
5.7.2 从系统角度理解
5.7.3 系统的因果稳定性
习题
第六章 自回归滑动平均模型
6.1 ARMA模型的定义
6.2 ARMA模型的统计性质
6.2.1 均值和方差
6.2.2 自协方差函数和自相关系数
6.2.3 谱密度
6.3 ARMA序列的建模
6.3.1 ARMA模型的判定
6.3.2 ARMA模型的参数估计
6.4 ARMA模型的预测
6.4.1 无限观测值
6.4.2 有限观测值
6.5 ARMA模型的应用
6.6 ARMA模型的物理解释
6.6.1 从数理统计角度理解
6.6.2 从系统角度理解
6.6.3 系统的因果稳定性
习题
第七章 求和自回归滑动平均模型
7.1 ARIMA模型的定义
7.2 ARIMA模型的建模
7.2.1 过差分
7.2.2 ARIMA模型的建模流程
7.3 ARIMA模型的应用
7.4 SARIMA模型
7.4.1 SARIMA模型的定义
7.4.2 SARIMA模型的应用
习题
第八章 非线性时间序列
8.1 条件异方差模型
8.1.1 异方差问题的提出
8.1.2 异方差的处理
8.1.3 条件异方差模型及性质
8.1.4 GARCH模型及其性质
8.1.5 GARCH模型的参数估计
8.1.6 GARCH模型的应用
8.2 门限自回归模型
8.2.1 门限自回归模型的定义
8.2.2 门限自回归模型的参数估计
8.2.3 门限自回归模型的应用
习题
第九章 多维时间序列
9.1 多维平稳序列
9.1.1 多维平稳序列的定义
9.1.2 均值及自协方差函数的估计
9.1.3 多维ARMA模型
9.1.4 VAR模型
9.1.5 VAR模型应用
9.2 协整
9.2.1 伪回归
9.2.2 协整
9.3 Kalman滤波
9.3.1 Kalman滤波的模型
9.3.2 状态估计
9.3.3 Kalman滤波的应用
习题
附录A 数据
附录B EViews上机实现
参考文献
索引
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
