《时间序列的分析与应用》求取 ⇩

绪论1

第一章 随机序列12

1.过程的直观分类12

2.随机序列的数学描述14

3.平稳随机序列20

4.多维随机序列29

5.两种估计及参数估计的优效性概念31

第二章 线性模型及自相关与偏相关函数39

1.随机线性模型39

2.ARMA序列的自相关与偏相关函数52

3.一类非平稳序列--ARIMA序列69

第三章 模型的初步识别与参数的矩估计73

1.样本自相关与样本偏相关函数74

2.模型的初步识别方法77

3.参数的相关矩估计方法88

4.模型识别的多样性与均值的判断98

第四章 参数的精估计103

1.最小二乘估计103

2.最小平方和估计107

3.精估计的数值解法及其它近似方法116

4.极大似然估计与估计的优效性质128

第五章 估计模型的检验与改进136

1.估计模型检验的一般叙述136

2.自相关函数检验法138

3.周期图检验法140

4.估计模型的一种改进方法146

5.分段拟合与适时拟合147

1.序列的合成151

第六章 序列的合成、分解及季节性模型151

2.序列的分解154

3.季节性模型159

第七章 随机序列预报170

1.预备公式170

2.平稳线性最小方差预报及其性质173

3.各类序列的预报方法177

4.随机序列的适时预报方法193

第八章 线性系统的识别及参数估计201

1.离散线性系统201

2.样本互相关函数206

3.系统的初步识别与估计208

4.系统参数的最小二乘估计215

5.系统模型的检验221

1.概述225

第九章 随机漂移的控制225

2.顺馈系统227

3.反馈控制236

4.顺馈-反馈联合控制243

第十章 极大熵谱估计与AR模型247

1.以极大熵为准则的谱估计247

2.极大熵谱估计的计算方法256

附录265

1.自相关与偏相关函数的截尾性质265

2.样本自相关函数的渐近性质272

3.正态ARMA序列的分布密度294

4.ARMA序列的信息阵308

5.正态AR序列参数估计的渐近性质327

参考文献342

后记344