時間序列分析及應用 : R語言, 2/e (Time Series Analysis With Applications in R, 2/e) 时间序列分析及应用:R语言(原书第2版)
克萊爾(Jonathan D.Cryer), Kung-Sik Chan
- 出版商: 機械工業
- 出版日期: 2011-01-01
- 定價: $288
- 售價: 9.5 折 $274
- 語言: 簡體中文
- 頁數: 350
- 裝訂: 平裝
- ISBN: 7111325729
- ISBN-13: 9787111325727
-
相關分類:
R 語言
- 此書翻譯自: Time Series Analysis: With Applications in R
立即出貨
買這商品的人也買了...
-
$352金融數據分析導論:基於R語言(An Introduction to Analysis of Financial Data with R)
-
$590$460 -
$454無線傳感器網絡原理 (Principles of wireless sensor networks)
-
$650$507 -
$301特徵工程入門與實踐 (Feature Engineering Made Easy)
-
$490$417 -
$620$484 -
$356數據流機器學習:MOA (Machine Learning for Data Streams)
-
$414$393 -
$534$507 -
$343深度學習之模型設計:核心算法與案例實踐
-
$559時間序列分析與預測
-
$594$564 -
$954$906 -
$834$792 -
$327遷移學習導論
-
$602基於 MATLAB 的人工智能模式識別
-
$680$537 -
$600$570 -
$509人工智能算法大全 :基於 MATLAB
-
$454MATLAB 智能優化算法:從寫代碼到算法思想
-
$564統計建模與 R軟件, 2/e
-
$539$512 -
$341大數據採集與預處理技術 (HDFS + HBase + Hive + Python)(微課視頻版)
-
$560$442
相關主題
商品描述
<內容簡介>
Jonathan D. Cryer、Kung-Sik Chan編著的《時間序列分析及應用(R語言原書第2版)》以易於理解的方式講述了時間序列模型及其應用,主要內容包括:趨勢、平穩時間序列模型、非平穩時間序列模型、模型識別、參數估計、模型診斷、預測、季節模型、時間序列回歸模型、異方差時間序列模型、譜分析入門、譜估計、門限模型。對所有的思想和方法,都用真實數據集和模擬數據集進行了說明。
《時間序列分析及應用(R語言原書第2版)》可作為高等院校統計、經濟、商科、工程及定量社會科學等專業學生的教材或教學參考書,同時也可供相關技術人員使用。
<章節目錄>
譯者序
前言
第1章 引論
1.1 時間序列舉例
1.2 建模策略
1.3 歷史上的時間序列圖
1.4 本書概述
習題
第2章 基本概念
2.1 時間序列與隨機過程
2.2 均值、方差和協方差
2.3 平穩性
2.4 小結
習題
附錄A 期望、方差、協方差和相關係數
第3章 趨勢
3.1 確定性趨勢與隨機趨勢
3.2 常數均值的估計
3.3 回歸方法
3.4 回歸估計的可靠性和有效性
3.5 回歸結果的解釋
3.6 殘差分析
3.7 小結
習題
第4章 平穩時間序列模型
4.1 一般線性過程
4.2 滑動平均過程
4.3 自回歸過程
4.4 自回歸滑動平均混合模型
4.5 可逆性
4.6 小結
習題
附錄B AR(2)過程的平穩域
附錄C ARMA(p,g)模型的自相關函數
第5章 非平穩時間序列模型
5.1 通過差分平穩化
5.2 ARIMA模型
5.3 ARIMA模型中的常數項
5.4 其他變換
5.5 小結
習題
附錄D 延遲算子
第6章 模型識別
6.1 樣本自相關函數的性質
6.2 偏自相關函數和擴展的自相關函數
6.3 對一些模擬的時間序列數據的識別
6.4 非平穩性
6.5 其他識別方法
6.6 一些真實時間序列的識別
6.7 小結
習題
第7章 參數估計
7.1 矩估計
7.2 最小二乘估計
7.3 極大似然與無條件最小二乘
7.4 估計的性質
7.5 參數估計例證
7.6 自助法估計ARIMA模型
7.7 小結
習題
第8章 模型診斷
8.1 殘差分析
8.2 過度擬合和參數冗餘
8.3 小結
習題
第9章 預測
9.1 最小均方誤差預測
9.2 確定性趨勢
9.3 ARIMA預測
9.4 預測極限
9.5 預測的圖示
9.6 ARIMA預測的更新
9.7 預測的權重與指數加權滑動平均
9.8 變換序列的預測
9.9 某些ARIMA模型預測的總結
9.10 小結
習題
附錄E 條件期望
附錄F 最小均方誤差預測
附錄G 截斷線性過程
附錄H 狀態空間模型
第10章 季節模型
10.1 季節ARIMA模型
10.2 乘法季節ARMA模型
10.3 非平穩季節ARIMA模型
10.4 模型識別、擬合和檢驗
10.5 季節模型預測
10.6 小結
習題
第11章 時間序列回歸模型
11.1 乾預分析
11.2 異常值
11.3 偽相關
11.4 預白化與隨機回歸
11.5 小結
習題
第12章 異方差時間序列模型
12.1 金融時間序列的一些共同特徵
12.2 ARCH(1)模型
12.3 GARCH模型
12.4 極大似然估計
12.5 模型診斷
12.6 條件方差非負條件
12.7 G.ARCH模型的一些擴展
12.8 另一個示例:USD∕HKD匯率日數據
12.9 小結
習題
附錄I 廣義混合檢驗公式
第13章 譜分析入門
13.1 引言
13.2 周期圖
13.3 譜表示和譜分佈
13.4 譜密度
13.5 ARMA過程的譜密度
13.6 樣本譜密度的抽樣性質
13.7 小結
習題
附錄J 餘弦與正弦序列的正交性
第14章 譜估計
14.1 平滑譜密度
14.2 偏差和方差
14.3 帶寬
14.4 譜置信區間
14.5 泄露和錐削
14.6 自回歸譜估計
14.7 模擬數據示例
14.8 真實數據示例
14.9 其他譜估計法
14.10 小結
習題
附錄K 錐削與狄利克雷核
第15章 門限模型
15.1 用圖解法探索非線性
15.2 非線性檢驗
15.3 多項式模型一般是爆炸性的
15.4 一階門限自回歸模型
15.5 門限模型
15.6 門限非線性的檢驗
15.7 TAR模型的估計
15.8 模型診斷
15.9 預測
15.10 小結
習題
附錄L TAR廣義混合檢驗
附錄Ⅰ R入門
附錄Ⅱ 數據集合的說明
參考文獻