成功加入购物车
正版无笔记
肖枝洪 、 郭明月 著 / 武汉大学出版社 / 2009-01 / 平装
售价 ¥ 9.00 4.5折
定价 ¥20.00
品相 九品
优惠 满包邮
延迟发货说明
上书时间2022-03-28
卖家超过10天未登录
高等学校本科生公共课教材:时间序列分析与SAS应用
时间序列分析是数理统计的一个分支。它是一种利用具有“时间特性”的观测数据,根据研究对象的特征发掘内在规律性建立动态模型,并对之进行模式识别、参数估计,然后以此为依据对未来的行为进行科学的预测和控制的统计方法,在工程技术、经济管理、气象学、地球物理学等方面有着广泛的应用。
SAS软件是国际上流行的统计分析的标准软件,本教材只介绍与时间序列有关的程序编写和结果分析。本教材主要介绍时间序列的概念、奇异点的诊断、自相关分析、偏自相关分析、时序模型的识别、时序模型参数的估计、预测以及多元时间序列分析。本书既可作为数学与信息专业、统计专业、经济管理专业以及工程方面的本科生教材,也可以作为科技工作者的参考书。
1时间序列的基本知识1.1时问序列概念1.2SAS介绍1.2.1SAS的显示管理系统1.2.2SAS的程式结构1.2.3SAS程式的输入及运行1.2.4DATA语句1.2.5CARDS语句1.2.6INPUT语句1.2.7PROC语句1.2.8PRINT过程1.3时间序列的平稳性1.3.1统计特征1.3.2时间序列的平稳性1.3.3严平稳与宽平稳的关系1.3.4样本均值、方差、自协方差与自相关函数1.3.5平稳时间序列的意义1.4异常点检验与缺省值的补足1.4.1时间序列数据的采集1.4.2异常点的检验与处理1.4.3缺省值的补足1.5平稳性检验1.6纯随机性检验1.7方差的同质性检验1.7.1方差的同质性检验1.7.2方差的稳定性转换1.8差分运算与后移算子1.8.1差分运算1.8.2后移算子习题12平稳时间序列2.1AR(p)模型2.1.1p阶自回归模型2.1.2P阶自回归模型的统计特性2.2MA模型2.2.1q阶移动平均模型2.2.2移动平均模型的统计特性2.3ARMA模型(AutoRegressionMovingAverageModel)2.3.1ARMA(p,q)模型2.3.2ARMA(p,q)模型的统计特性2.4ARMA模型的识别与参数估计2.4.1模型的初步识别2.4.2模型定阶2.4.3模型参数估计2.4.4模型的适应性检验和参数的显著性检验2.5平稳时间序列的预测2.6实例分析(I)习题23非平稳时间序列的确定性分析3.1时间序列的分解3.1.1Gramer分解定理3.1.2确定性因素分解3.2长期趋势分析及预报3.2.1平滑法3.2.2趋势拟合法3.3季节变动分析及预报3.3.1季节变动及其测定目的3.3.2季节变动分析及预测的原理与方法3.4X—11方法简介3.4.1X—11方法的基本思想3.4.2X—11方法习题34ARIMA模型4.1平稳化方法4.1.1差分运算的实质4.1.2平稳化方法4.1.3过差分4.2ARIMA(p,d,q)模型4.2.1ARIMA(p,d,q)模型4.2.2ARIMA(p,d,q)模型参数统计与预报4.3实例分析(Ⅱ)习题45传递函数模型5.1传递函数模型5.2传递函数模型的识别5.3干预模型习题5附表参考文献
展开全部
图2
图3
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30