時間序列分析簡明教程

定　價：￥23.00

作　者：	張樹京，齊立心編著
出版社：	北方交通大學(xué)出版社
叢編項：	高等學(xué)校教材
標(biāo)　簽：	科學(xué)與自然數(shù)理化大學(xué) 教材教輔與參考書

購買這本書可以去

ISBN：	9787810821360	出版時間：	2003-09-01	包裝：	精裝
開本：	23cm	頁數(shù)：	174	字?jǐn)?shù)：

內(nèi)容簡介

　　本書根據(jù)電子信息類本科教學(xué)計劃，著重介紹時間序列分析的基本模型和算法，適用作信息工程、通信工程控制工程等相關(guān)專業(yè)的本科教材或教學(xué)參考用書。全書共分6章，其內(nèi)容安排如下；第1章動態(tài)數(shù)據(jù)預(yù)處理品，第2章時間序列模型，第3章模型參數(shù)估計，第4章模型定階方法，第5章時間序列建模，第6章時間序列應(yīng)用。各章均有小結(jié)和習(xí)題，有助于教學(xué)?！?/div>

作者簡介

　　張樹京，1933年生。1953年畢業(yè)于原北京鐵道學(xué)院。1962年在原蘇聯(lián)列寧格勒鐵道學(xué)院獲科學(xué)技術(shù)副博士學(xué)位。曾任北方交通大學(xué)校長、博士生導(dǎo)師。現(xiàn)任同濟大學(xué)資深教授，中國通信學(xué)會會士、理事，通信學(xué)報常務(wù)編委，指導(dǎo)博士生、碩士生40余名，并由上海市教委評為優(yōu)秀指導(dǎo)教師，撰寫《通信系統(tǒng)原理》、《統(tǒng)計信號處理》、《單邊帶技術(shù)》等書；在國內(nèi)外學(xué)術(shù)刊物上發(fā)表論文120余篇，榮獲國家級、部級優(yōu)秀教材獎，并主持完成多項國家自然科學(xué)基金項目，現(xiàn)享受國務(wù)院特殊津貼。

圖書目錄

第1章  動態(tài)數(shù)據(jù)預(yù)處理
1. 1  平穩(wěn)性檢驗
1. 2  正態(tài)性檢驗
1. 3  獨立性檢驗
1. 4  周期性檢驗
1. 5  趨勢項檢驗
1. 6  小結(jié)
習(xí)題
第2章  時間序列模型
2. 1  線性平穩(wěn)模型
2. 2  自回歸模型(AR模型)
2. 3  滑動平均模型(MA模型)
2. 4  自回歸-滑動平均混合模型(ARMA模型)
2. 5  時間序列模型的特征函數(shù)
2. 5. 1  偏相關(guān)函數(shù)
2. 5. 2  格林函數(shù)(G函數(shù))
2. 5. 3  逆函數(shù)(I函數(shù))
2. 6  非平穩(wěn)的時間序列模型
2. 6. 1  ARIMA模型
2. 6. 2  IMA模型
2. 7  小結(jié)
習(xí)題
第3章  模型參數(shù)估計
3. 1  樣本參數(shù)估計
3. 1. 1  樣本均值
3. 1. 2  樣本方差
3. 1. 3  樣本自相關(guān)
3. 1. 4  樣本功率譜
3. 2  模型參數(shù)的相關(guān)矩估計
3. 2. 1  AR模型參數(shù)的矩估計
3. 2. 2  MA模型參數(shù)的矩估計
3. 2. 3  ARMA模型參數(shù)的矩估計
3. 3  最小二乘估計(LS估計)
3. 3. 1  最小二乘方法
3. 3. 2  AR模型參數(shù)的LS估計
3. 3. 3  ARMA模型參數(shù)的LS估計
3. 4  最小方差估計(LMS估計)
3. 4. 1  最小方差方法
3. 4. 2  模型參數(shù)的LMS估計
3. 5  最大似然估計(ML估計)
3. 5. 1  最大似然方法
3. 5. 2  模型參數(shù)的ML估計
3. 6  最大熵估計
3. 6. 1  最大熵準(zhǔn)則
3. 6. 2  AR模型參數(shù)的最大熵估計
3. 7  小結(jié)
習(xí)題
第4章  模型定階方法
4. 1  偏相關(guān)定階法
4. 2  白度檢驗定階法
4. 2. 1  自相關(guān)檢驗法
4. 2. 2  卡埃檢驗法
4. 3  F檢驗定階法
4. 4  準(zhǔn)則函數(shù)定階法
4. 4. 1  最小預(yù)報誤差準(zhǔn)則(FPE準(zhǔn)則)
4. 4. 2  最小信息準(zhǔn)則(AIC準(zhǔn)則)
4. 4. 3  BIC準(zhǔn)則
4. 5  信息熵定階法
4. 6  小結(jié)
習(xí)題
第5章  時間序列建模
5. 1  模型識別
5. 1. 1  平穩(wěn)性數(shù)據(jù)的模型識別
5. 1. 2  季節(jié)性數(shù)據(jù)的模型識別
5. 1. 3  趨勢性數(shù)據(jù)的模型識別
5. 1. 4  異常數(shù)據(jù)的模型識別
5. 2  波克斯-詹金斯建模方法
5. 3  潘迪特-吳賢銘建模方法
5. 4  長自回歸. 白噪化建模方法
5. 5  小結(jié)
習(xí)題
第6章  時間序列應(yīng)用
6. 1  時間序列預(yù)測模型
6. 2  模型譜估計
6. 3  自適應(yīng)濾波算法
6. 4  小結(jié)
習(xí)題
參考文獻