时间序列分析简明教程

内容概要

　　张树京，1933年生。1953年毕业于原北京铁道学院。1962年在原苏联列宁格勒铁道学院获科学技术副博士学位。曾任北方交通大学校长、博士生导师。现任同济大学资深教授，中国通信学会会士、理事，通信学报常务编委，指导博士生、硕士生40余名，并由上海市教委评为优秀指导教师，撰写《通信系统原理》、《统计信号处理》、《单边带技术》等书；在国内外学术刊物上发表论文120余篇，荣获国家级、部级优秀教材奖，并主持完成多项国家自然科学基金项目，现享受国务院特殊津贴。

书籍目录

第1章 动态数据预处理1．1 平稳性检验1．2 正态性检验1．3 独立性检验1．4 周期性检验1．5 趋势项检验1．6 小结习题第2章 时间序列模型2．1 线性平稳模型2．2 自回归模型(AR模型)2．3 滑动平均模型(MA模型)2．4 自回归-滑动平均混合模型(ARMA模型)2．5 时间序列模型的特征函数2．5．1 偏相关函数2．5．2 格林函数(G函数)2．5．3 逆函数(I函数)2．6 非平稳的时间序列模型2．6．1 ARIMA模型2．6．2 IMA模型……

作者简介

《时间序列分析简明教程》内容简介：时间序列分析方法与随机过程理论有所区别，前者是先对实测数据建立数学模型，并在此基础上进一步分析随机数据的统计特性；后者是在对实测数据统计所得的先验概率知识基础上来分析其统计特性。由于人们所能获得的实测数据总是有限的，而理论上的先验概率要求在无限多的样本数据基础上统计才能获得，因此实际上我们能够获得的先验概率只能是在一定置信度条件下的近似，亦即尽量接近真实的概率（密度）分布，这是随机过程理论和方法在实际应用时的困难。时间序列分析方法可以克服这个困难，它是在有限个样本数据总量的情况下建立起相当精确的数学模型，从而获得具有一定精度（用模型误差方差来表示）的统计特性，与真实结果非常接近，因此在实际应用时比较方便，可操作性较好。总之，随机过程分析方法在理论上严谨求实，但操作性较差；而时间序列分析方法在使用时方便实用，但是，要想建立精度相当高的时序模型不仅要求模型参数最佳地估计，而且模型阶数也要合适，因此建模过程也是相当复杂的。这两种对随机数据序列的分析方法都有各自的研究和应用领域，应视不同的分析对象和要求而定。

图书封面

---

 时间序列分析简明教程下载 精选章节试读

---