《动态数据处理 时间序列分析》

第一章 预备知识1

1 矩阵与向量1

2 随机事件与概率13

3 随机变量及其分布20

4 数学期望与方差30

5 随机序列40

6 平稳随机序列44

7 多维随机序列52

8 统计估计55

9 线性差分方程69

第二章 ARMA模型75

1 ARMA模型的定义75

2 ARMA模型的等价形式80

3 模型参数的平稳域和可逆域86

4 ARMA序列的自相关函数92

5 ARMA序列的偏相关函数105

第三章 ARMA序列的参数估计115

1 随机序列的相关矩估计·模型类别的相关分析115

2 模型参数的初步估计--矩估计120

3 模型参数的初估计方法--逆函数法126

4 模型参数的精估计134

5 长自回归模型和最大熵谱估计151

第四章 模型的检验、改进和定阶169

1 时间序列的统计检验169

2 ARMA模型的改进177

3 确定性趋势的分离·叠合模型194

4 模型阶的判别201

第五章 时间序列的建模与实例212

1 季节性乘积模型的建模和实例212

2 ARMA(n，n-1)模型的建模和实例223

3 用叠合模型对动态数据建模的步骤和实例242

第六章 最小二乘方法及其在ARMA(p，q)建模中的应用255

1 最小二乘方法的一般原理255

2 参数估计的几种非线性最小二乘迭代方法259

3 阻尼因子的作用和选取263

4 ARMA(p，q)建模中最小二乘估计的计算方法272

第七章 时间序列的预报277

1 平稳线性最小方差预报277

2 各类模型序列的平稳线性最小方差预报283

3 时间序列的新息预报294

第八章 多维动态数据分析310

1 多维线性时间序列分析模型311

2 多维自回归模型参数估计315

3 多维自回归模型参数矩阵的递推算法318

4 多维自回归模型的预报误差324

5 多维线性模型的定阶328

6 计算方法与实例335

第九章 非线性模型341

1 概述341

2 双线性模型356

3 门限自回归模型375

第十章 基于0-1序列的时序分析398

1 引言398

2 二维平稳正态序列的互相关函数400

3 相关函数的估计404

4 基于任意水平u的0-1序列时序分析412

5 动态数据建模418

6 预报425

参考文献430

后记433