随机型时间序列预测法概述(PPT 86页)
随机型时间序列预测法概述(PPT 86页)内容简介
7.1 基本概述
7.1.1 有关概念
7.1.2 自协方差函数与自相关函数
7.2 常见的时间序列模型
7.2.1 自回归(AR)模型
7.2.2 移动平均(MA)模型
7.2.3 自回归-移动平均(ARMA)模型
7.2.4 求和(ARIMA)模型
7.2.5 季节性模型
7.3 自相关函数、偏相关函数
7.3.1 AR(p)模型的自相关函数
7.3.2 MA(q)模型的自相关函数
7.3.3 ARMA(p,q)模型的自相关函数
7.3.4 ARMA(p,q)模型的偏相关函数
7.3.5 样本自相关函数与样本偏相关函数
7.4 模型识别
7.4.1 AR(p)模型的识别
7.4.2 MA(q)模型的识别
7.4.3 ARMA(p,q)模型的识别
7.5 参数估计
7.5.1 矩估计方法
7.5.2 最小二乘估计
7.6 模型的检验与修正
7.6.1 模型的检验
7.6.2 模型的修正
7.7 预测
7.7.1 有关概念
7.7.2 AR(p)模型的预测
7.7.3 MA(q)模型的预测
7.7.4 ARMA(p,q)模型的预测
7.8 应用举例
7.8.1 应用1
7.8.2 应用2
..............................
7.1.1 有关概念
7.1.2 自协方差函数与自相关函数
7.2 常见的时间序列模型
7.2.1 自回归(AR)模型
7.2.2 移动平均(MA)模型
7.2.3 自回归-移动平均(ARMA)模型
7.2.4 求和(ARIMA)模型
7.2.5 季节性模型
7.3 自相关函数、偏相关函数
7.3.1 AR(p)模型的自相关函数
7.3.2 MA(q)模型的自相关函数
7.3.3 ARMA(p,q)模型的自相关函数
7.3.4 ARMA(p,q)模型的偏相关函数
7.3.5 样本自相关函数与样本偏相关函数
7.4 模型识别
7.4.1 AR(p)模型的识别
7.4.2 MA(q)模型的识别
7.4.3 ARMA(p,q)模型的识别
7.5 参数估计
7.5.1 矩估计方法
7.5.2 最小二乘估计
7.6 模型的检验与修正
7.6.1 模型的检验
7.6.2 模型的修正
7.7 预测
7.7.1 有关概念
7.7.2 AR(p)模型的预测
7.7.3 MA(q)模型的预测
7.7.4 ARMA(p,q)模型的预测
7.8 应用举例
7.8.1 应用1
7.8.2 应用2
..............................
用户登陆
时间管理热门资料
时间管理相关下载