《动态数据处理的理论与方法 时间序列分析》求取 ⇩

第一章平稳时间序列1

1.1 时间序列的实例1

1.2 随机过程的基本概念7

1.3 平稳过程的自协方差函数12

1.4 趋势项和季节项的估计和分离14

1.5 Kolmogorov定理的应用18

习题一19

第二章Hilbert空间和L2(Ω，？，р)空间中的预报21

2.1 内积空间及其性质21

2.2 Hilbert空间和预报方程23

2.3 L2(Ω，？，р)空间中的预报32

2.4 Fourier级数33

2.5 Hilbert空间的同构38

习题二39

2.6 L2(Ω，？，р)空间的完备性39

第三章ARMA序列42

3.1 因果可逆的ARMA序列42

3.2 ARMA序列的自相关(系数)函数50

3.3 ARMA序列的偏相关(系数)函数57

习题三62

第四章时间序列的谱表示66

4.1 复值平稳时间序列66

4.2 平稳序列自协方差函数的谱表示66

4.3 ARMA序列的有理谱密度70

4.4 平稳序列的谱表示76

习题四84

第五章时间序列的预报87

5.1 时间序列时域中的预报方法87

5.2 最佳线性预报的递推算法89

5.3 ARMA(p，q)序列的递推预报94

5.4 时间序列预报的频域方法100

习题五101

第六章平稳时间序列的模型拟合103

6.1 平稳序列样本均值和样本自协方差函数的统计性质103

6.2 AR(p)模型的参数估计107

6.3 MA(q)模型的参数估计110

6.4 ARMA(p，q)模型的参数估计114

习题六118

第七章非平稳时间序列的ARIMA模型和时间序列的模型识别120

7.1 非平稳时间序列的ARIMA模型120

7.2 季节ARIMA模型124

7.3 模型阶数的估计130

7.4 时间序列的统计检验和模型拟合优度检验131

7.5 时间序列的模型识别135

习题七142

第八章时间序列的谱分析初步144

8.1 周期图144

8.2 隐含周期项的检验149

8.3 ARMA谱估计154

习题八157

第九章多维时间序列分析初步158

9.1 多维平稳时间序列的二阶矩性质158

9.2 多维ARMA序列160

9.3 二阶矩存在的随机向量的最佳线性预报和多维ARMA序列的递推预报162

习题九166

附录167

附录一常系数线性差分方程167

附录二 随机变量序列的收敛性和中心极限定理169

参考文献180