时间序列分析与R语言实战-60元

该课程适用于有意向进阶的医学、信息学、生态学、气象学、金融学等从业人员，以及统计类的大学生、研究生。
课程概述
时间序列分析及应用，R语言实现
课程大纲：
第一章 引论
1.1 时间序列概况
1.2 时间序列案例 R语言
1.3 案例分析和模型介绍

第二章 基本概念
2.1 随机过程
2.2 基本概念
2.3 平稳性
2.4 基本过程

第三章 趋势
3.1 趋势介绍
3.2 常数均值估计
3.3 回归估计：回归方法
3.4 非常数均值估计
3.5 回归估计的可靠性和有效性
3.6 回归结果的解释
3.7 残差分析

第四章 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

第五章 非平稳时间序列模型
5.1 非平稳时间序列介绍
5.2 平稳化方法
5.3 ARIMA模型

第六章 模型识别
6.1 自相关函数
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 非平稳性与其他识别方法
6.5 真实时间序列的识别案例

第七章 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

第八章 模型诊断
8.1 残差分析
8.2 过度拟合
8.3 参数冗余

第九章 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 滑动平均法
9.6 变换序列的预测

下载地址：

游客，如果您要查看本帖隐藏内容请回复

单套购买：
下载地址.txt (52 Bytes, 下载次数: 1, 售价: 50 元)

2022-1-27 12:46 上传

点击文件名下载附件