时间序列分析及应用
￥ 13.23 2.8折 ￥ 48 九品
库存3件
江苏盐城
认证卖家担保交易快速发货售后保障
作者Jonathan
出版社机械工业出版社
ISBN9787111325727
出版时间2011-01
装帧其他
开本16开
定价48元
货号9787111325727
上书时间2024-06-28
- 在售商品 暂无
- 平均发货时间 19小时
- 好评率 暂无
商品详情
- 品相描述：九品
- 商品描述
-
导语摘要
JonathanD.Cryer、Kung-SikChan编著的《时间序列分析及应用(R语言原书第2版)》以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
《时间序列分析及应用(R语言原书第2版)》的一大特点是采用R语言来作图和分析数据，书中的所有图表和实证结果都是用R命令得到的。作者还为《时间序列分析及应用(R语言原书第2版)》制作了大量新增或增强的函数，可以从www.r-project.org的TSA程序包中找到。此外，每一章的R命令脚本文件，可从www.stat.uiowa.edu/～kchan/TSA.htm下载。
《时间序列分析及应用(R语言原书第2版)》的另一特点是包含很多有用的附录，例如，回顾了有关期望、方差、协方差、相关系数等概念．筒述了条件期望的性质以及最小均方误差预测等内容，这些附录有利于关心技术细节的读者深入了解相关内容。
作者简介
JonathanD.Cryer美国艾奥瓦大学统计与精算学系退休教授。他是美国统计学会会士，获得过艾奥瓦大学教学奖。除本书外，他还与人合著有《StatisticsforBusiness:DataAnalysisandModeling,SecondEdition》、《MinitabHandbook,FifthEdition》、《ElectronicCompaniontoStatistics》、《ElectronicCompaniontoBusinessStatistics》等书，并发表了大量学术论文。
目录
译者序
前言
第1章 引论
1.1 时间序列举例
1.2 建模策略
1.3 历史上的时间序列图
1.4 本书概述
习题
第2章 基本概念
2.1 时间序列与随机过程
2.2 均值、方差和协方差
2.3 平稳性
2.4 小结
习题
附录A 期望、方差、协方差和相关系数
第3章 趋势
3.1 确定性趋势与随机趋势
3.2 常数均值的估计
3.3 回归方法
3.4 回归估计的可靠性和有效性
3.5 回归结果的解释
3.6 残差分析
3.7 小结
习题
第4章 平稳时间序列模型
4.1 一般线性过程
4.2 滑动平均过程
4.3 自回归过程
4.4 自回归滑动平均混合模型
4.5 可逆性
4.6 小结
习题
附录B AR(2)过程的平稳域
附录C ARMA(p，g)模型的自相关函数
第5章 非平稳时间序列模型
5.1 通过差分平稳化
5.2 ARIMA模型
5.3 ARIMA模型中的常数项
5.4 其他变换
5.5 小结
习题
附录D 延迟算子
第6章 模型识别
6.1 样本自相关函数的性质
6.2 偏自相关函数和扩展的自相关函数
6.3 对一些模拟的时间序列数据的识别
6.4 非平稳性
6.5 其他识别方法
6.6 一些真实时间序列的识别
6.7 小结
习题
第7章 参数估计
7.1 矩估计
7.2 最小二乘估计
7.3 极大似然与无条件最小二乘
7.4 估计的性质
7.5 参数估计例证
7.6 自助法估计ARIMA模型
7.7 小结
习题
第8章 模型诊断
8.1 残差分析
8.2 过度拟合和参数冗余
8.3 小结
习题
第9章 预测
9.1 最小均方误差预测
9.2 确定性趋势
9.3 ARIMA预测
9.4 预测极限
9.5 预测的图示
9.6 ARIMA预测的更新
9.7 预测的权重与指数加权滑动平均
9.8 变换序列的预测
9.9 某些ARIMA模型预测的总结
9.10 小结
习题
附录E 条件期望
附录F 最小均方误差预测
附录G 截断线性过程
附录H 状态空间模型
第10章 季节模型
10.1 季节ARIMA模型
10.2 乘法季节ARMA模型
10.3 非平稳季节ARIMA模型
10.4 模型识别、拟合和检验
10.5 季节模型预测
10.6 小结
习题
第11章 时间序列回归模型
11.1 干预分析
11.2 异常值
11.3 伪相关
11.4 预白化与随机回归
11.5 小结
习题
第12章 异方差时间序列模型
12.1 金融时间序列的一些共同特征
12.2 ARCH(1)模型
12.3 GARCH模型
12.4 极大似然估计
12.5 模型诊断
12.6 条件方差非负条件
12.7 G.ARCH模型的一些扩展
12.8 另一个示例：USD／HKD汇率日数据
12.9 小结
习题
附录I 广义混合检验公式
第13章 谱分析入门
13.1 引言
13.2 周期图
13.3 谱表示和谱分布
13.4 谱密度
13.5 ARMA过程的谱密度
13.6 样本谱密度的抽样性质
13.7 小结
习题
附录J 余弦与正弦序列的正交性
第14章 谱估计
14.1 平滑谱密度
14.2 偏差和方差
14.3 带宽
14.4 谱置信区间
14.5 泄露和锥削
14.6 自回归谱估计
14.7 模拟数据示例
14.8 真实数据示例
14.9 其他谱估计法
14.10 小结
习题
附录K 锥削与狄利克雷核
第15章 门限模型
15.1 用图解法探索非线性
15.2 非线性检验
15.3 多项式模型一般是爆炸性的
15.4 一阶门限自回归模型
15.5 门限模型
15.6 门限非线性的检验
15.7 TAR模型的估计
15.8 模型诊断
15.9 预测
15.10 小结
习题
附录L TAR广义混合检验
附录Ⅰ R入门
附录Ⅱ 数据集合的说明
参考文献
内容摘要
JonathanD.Cryer、Kung-SikChan编著的《时间序列分析及应用(R语言原书第2版)》以易于理解的方式讲述了时间序列模型及其应用，主要
内容包括：趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、
参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
《时间序列分析及应用(R语言原书第2版)》可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书，同时也
可供相关技术人员使用。
精彩内容
。。。
— 没有更多了 —
以下为对购买帮助不大的评价