掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
時間序列分析:基于R的數據分析方法 版權信息
- ISBN：9787111695196
- 條形碼：9787111695196 ; 978-7-111-69519-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
時間序列分析:基于R的數據分析方法 本書特色
適讀人群 ：數學、統計、金融等相關專業學生本書融合了作者多年的實踐教學經驗，旨在幫助讀者了解時間序列作為一種分析工具所具有的豐富性和多樣性。全書以一些有意義的數據集為基礎，詳細闡釋了時間序列在醫學、生物學、物理學和社會科學領域的廣泛應用，并強調數據分析方法，對時域和頻域方法進行了全面的介紹。 本書通過大量示例說明了如何利用時間序列分析來解決各類問題，例如，發現自然和人為的氣候變化、使用功能性磁共振成像評估疼痛感知實驗，以及對經濟和金融問題的分析等。書中所有示例都基于R語言實現，但是閱讀本書并不需要讀者會用R軟件。本書可以作為一學期時間序列分析導論課程的教材，需要讀者具備高中數學基礎，并且掌握線性回歸和基于微積分的基本概率論知識。
時間序列分析:基于R的數據分析方法 內容簡介
本書詳細閩経了時間序列在醫學、生物學、物理學和社會科學領域的廣泛應用，并強調數據分析方法，對時域和頻域方法進行了全面的介紹。書中首先對時間序列分析的基礎知識、語言和方法進行了概述，然后介紹了ARMA模型和ARIMA模型，接下來介紹了頻譜分析與濾波以及頻譜估計，*后討論了一些特殊主題，例如GARCH模型、單位根檢驗等。 本書可以作為一學期時間序列分析導論課程的教材，適合數學系及相關專業的教師和學生閱讀。
時間序列分析:基于R的數據分析方法 目錄
譯者序
前言
第1章 時間序列基礎 1
1.1 介紹 1
1.2 時間序列數據 1
1.3 時間序列模型 9
習題 14
第2章 相關性與平穩時間序列 16
2.1 度量相關性 16
2.2 平穩性 20
2.3 相關系數的估計 28
習題 34
第3章 時間序列回歸和探索性數據分析 38
3.1 時間序列的*小二乘 38
3.2 探索性數據分析 49
3.3 時間序列中的平滑 61
習題 67
第4章 ARMA 模型 69
4.1 介紹 69
4.2 相關性函數 79
4.3 模型估計 86
4.4 模型預測 97
習題 100
第5章 ARIMA 模型 103
5.1 差分模型 103
5.2 建立 ARIMA 模型 108
5.3 季節性 ARIMA 模型 117
5.4 具有自相關誤差的回歸* 128
習題 133
第6章 頻譜分析與濾波 136
6.1 周期性和循環性行為 136
6.2 譜密度 144
6.3 線性濾波器 * 148
習題 152
第7章 頻譜估計 155
7.1 周期圖和離散傅里葉變換 155
7.2 非參數譜估計 160
7.3 參數譜估計 172
7.4 相干性和交叉譜 * 174
習題 178
第8章 其他主題 * 181
8.1 GARCH 模型 181
8.2 單位根檢驗 189
8.3 長記憶模型和分數階差分 192
8.4 狀態空間模型 198
8.5 交叉相關分析和預白化 201
8.6 自回歸模型的自助法 205
8.7 閾值自回歸模型 209
習題 214
附錄A R 補充材料 216
附錄B 概率論與統計入門 235
附錄C 復數入門 240
附錄D 其他時域理論 247
附錄E 部分習題的提示 256
參考文獻 264
前言
第1章 時間序列基礎 1
1.1 介紹 1
1.2 時間序列數據 1
1.3 時間序列模型 9
習題 14
第2章 相關性與平穩時間序列 16
2.1 度量相關性 16
2.2 平穩性 20
2.3 相關系數的估計 28
習題 34
第3章 時間序列回歸和探索性數據分析 38
3.1 時間序列的*小二乘 38
3.2 探索性數據分析 49
3.3 時間序列中的平滑 61
習題 67
第4章 ARMA 模型 69
4.1 介紹 69
4.2 相關性函數 79
4.3 模型估計 86
4.4 模型預測 97
習題 100
第5章 ARIMA 模型 103
5.1 差分模型 103
5.2 建立 ARIMA 模型 108
5.3 季節性 ARIMA 模型 117
5.4 具有自相關誤差的回歸* 128
習題 133
第6章 頻譜分析與濾波 136
6.1 周期性和循環性行為 136
6.2 譜密度 144
6.3 線性濾波器 * 148
習題 152
第7章 頻譜估計 155
7.1 周期圖和離散傅里葉變換 155
7.2 非參數譜估計 160
7.3 參數譜估計 172
7.4 相干性和交叉譜 * 174
習題 178
第8章 其他主題 * 181
8.1 GARCH 模型 181
8.2 單位根檢驗 189
8.3 長記憶模型和分數階差分 192
8.4 狀態空間模型 198
8.5 交叉相關分析和預白化 201
8.6 自回歸模型的自助法 205
8.7 閾值自回歸模型 209
習題 214
附錄A R 補充材料 216
附錄B 概率論與統計入門 235
附錄C 復數入門 240
附錄D 其他時域理論 247
附錄E 部分習題的提示 256
參考文獻 264
展開全部
時間序列分析:基于R的數據分析方法 作者簡介
羅伯特·H. 沙姆韋（Robert H. Shumway） 加利福尼亞大學戴維斯分校統計系榮譽退休教授，美國統計協會會士，曾獲美國統計協會杰出統計應用獎。著作等身，并在Journal of Forecasting和Journal of the American Statistical Association等專業期刊的編委會任職。 戴維·S. 斯托弗（David S. Stoffer） 匹茲堡大學統計系教授，美國統計協會會士，曾獲美國統計協會杰出統計應用獎。目前是Journal of Forecasting、Annals of Statistical Mathematics和Journal of Time Series Analysis的編委會成員。曾擔任美國國家科學基金會的數學科學部項目主任，以及Journal of the American Statistical Association和Journal of Business & Economic Statistics的助理編輯。
書友推薦
- >
煙與鏡
- >
苦雨齋序跋文-周作人自編集
- >
我從未如此眷戀人間
- >
朝聞道
- >
隨園食單
- >
伯納黛特,你要去哪(2021新版)
- >
推拿
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
