《时间序列分析与动态数据建模》求取 ⇩

第一章 采样数据的检验和预处理1

1.1 采样间隔和频率混叠1

前言1

1.2 均值、方差和概率直方图7

1.3 随机数据的正态性检验14

1.4 随机数据的独立性检验21

1.5 非平衡趋势的检验22

1.6 剔点处理27

1.7 提取趋势项29

1.8 随机数据的周期性检验33

2.1 平稳随机过程37

第二章 平稳随机过程及其模型37

2.2 自协方差和自相关函数39

2.3 典型离散参数模型43

2.4 平稳随机过程的频率域表示67

第三章 时间域模型的估计90

3.1 自协方差和自相关函数的估计90

3.2 模型参数的相关矩估计99

3.3 模型参数的最小二乘估计(LS估计)105

3.4 模型参数的极大似然估计(ML估计)117

3.5 模型阶数的确定124

3.6 时间序列建模的基本步骤146

4.1 隐周期的估计162

第四章 周期图与加窗谱估计162

4.2 功率谱密度的周期图估计174

4.3 功率谱估计的两种基本方法183

4.4 窗函数195

4.5 富氏变换的细化与高分辨力谱分析220

第五章 极大熵谱估计225

5.1 谱熵和极大熵准则225

5.2 极大熵准则的谱估计232

5.3 极大熵谱估计的伯格(Burg)算法236

5.4 极大熵谱估计的LS-LUD算法246

6.1 平稳线性最小方差预报的概念258

第六章 时间序列的预报258

6.2 AR和MA序列的预报方法265

6.3 ARMA序列的预报方法268

6.4 时间序列的新息实时预报272

第七章 多变量时间序列280

7.1 多变量平稳过程的相关和谱特性281

7.2 具有线性关系的多变量过程谱分析294

7.3 互谱特性和传递函数的估计305

7.4 多变量过程的时间域模型315

第八章 一些特定形式的模型339

8.1 趋势性和季节性模型339

8.2 混合回归模型及疏系数模型366

8.3 门限回归(自回归)模型391

8.4 双线性模型和指数自回归模型411

8.5 自适应AR模型417

附录一 富氏变换及其算法429

1. 富氏变换(FT)和离散富氏变换(DFT)429

2. 采样定理435

3. FT，DFT，FS(富氏级数)间的关系438

4. DFT的快速算法--FFT442

5. 两个实序列的同时变换448

6. 相关函数的快速计算450

附录二 时间序列分配的与建模程序说明455

1. 随机过程数据产生程序(DAGENT)455

3. 直方图的计算和正态性检验(PDFH)462

2. 样本均值和样本方差计算(SMSV)462

4. 随机数据的独立性检验(TESTI)465

5. 随机数据中的隐含周期检验(TESTP)468

6. 多项式的提取(POLYTR)472

7. 逆序检验(INORD)476

8. 游程检验(RUNTES)477

9. 格林函数的计算(GREENF)478

10. 逆函数的计算(INF)479

11. 朱利准则(JURYC)480

12. 理论自相关函数的计算(AUTOCR)481

13. 偏相关函数的递推计算(PARCR)484

14. ARMA谱的计算(ARMASP)485

15. 样本自相关和互相关的快速计算(CORELA)489

16. 逆函数法估计模型参数的初值(INGUS)492

17. ARMA模型参数的矩估计(ARMAME)495

18. 模型参数的线性最小二乘估计(LSME)497

19. 模型参数的麦夸特阻尼最小二乘估计(MARQT)498

20. 直接法的谱估计(PMPSD)505

21. 相关函数加窗谱估计(CMPSD)510

22. 极大熵谱估计的伯格算法(MEBURG)513

23. 预报的逆函数法(INVERF)518

24. 预报矢量法(VECTF)519

25. 多变量自回归模型的参数估计(MVAR)521

26. 混合回归模型及疏系数模型的估计(SMLR)529

27. 门限回归模型的估计(TREG)533

28. 双线性模型的估计(BILIM)535

29. 指数模型的估计(EXPOM)536

30. 自适应AR模型的估计(ADAPAR)537

附录三542

1. 标准正态分布的累积分布函数表542

2. x2分布表547

3. F分布表550

4. 游程检验用r分布表555

5. 调和分析中显著性费歇(Fisher)检验表558

附录四 程序文本564

参考资料666