扫一扫
关注中图网
官方微博
¥66.9(7.5折)?
预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。
促销活动:
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
考研数学专题练1200题
-
>
希格斯:“上帝粒子”的发明与发现
-
>
神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁
-
>
二十四史天文志校注(上中下)
-
>
声音简史
-
>
浪漫地理学:追寻崇高景观
时间序列分析:基于R的数据分析方法 版权信息
- ISBN：9787111695196
- 条形码：9787111695196 ; 978-7-111-69519-6
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
时间序列分析:基于R的数据分析方法 本书特色
适读人群 ：数学、统计、金融等相关专业学生本书融合了作者多年的实践教学经验，旨在帮助读者了解时间序列作为一种分析工具所具有的丰富性和多样性。全书以一些有意义的数据集为基础，详细阐释了时间序列在医学、生物学、物理学和社会科学领域的广泛应用，并强调数据分析方法，对时域和频域方法进行了全面的介绍。 本书通过大量示例说明了如何利用时间序列分析来解决各类问题，例如，发现自然和人为的气候变化、使用功能性磁共振成像评估疼痛感知实验，以及对经济和金融问题的分析等。书中所有示例都基于R语言实现，但是阅读本书并不需要读者会用R软件。本书可以作为一学期时间序列分析导论课程的教材，需要读者具备高中数学基础，并且掌握线性回归和基于微积分的基本概率论知识。
时间序列分析:基于R的数据分析方法 内容简介
本书详细闽経了时间序列在医学、生物学、物理学和社会科学领域的广泛应用，并强调数据分析方法，对时域和频域方法进行了全面的介绍。书中首先对时间序列分析的基础知识、语言和方法进行了概述，然后介绍了ARMA模型和ARIMA模型，接下来介绍了频谱分析与滤波以及频谱估计，*后讨论了一些特殊主题，例如GARCH模型、单位根检验等。 本书可以作为一学期时间序列分析导论课程的教材，适合数学系及相关专业的教师和学生阅读。
时间序列分析:基于R的数据分析方法 目录
译者序
前言
第1章 时间序列基础 1
1.1 介绍 1
1.2 时间序列数据 1
1.3 时间序列模型 9
习题 14
第2章 相关性与平稳时间序列 16
2.1 度量相关性 16
2.2 平稳性 20
2.3 相关系数的估计 28
习题 34
第3章 时间序列回归和探索性数据分析 38
3.1 时间序列的*小二乘 38
3.2 探索性数据分析 49
3.3 时间序列中的平滑 61
习题 67
第4章 ARMA 模型 69
4.1 介绍 69
4.2 相关性函数 79
4.3 模型估计 86
4.4 模型预测 97
习题 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 季节性 ARIMA 模型 117
5.4 具有自相关误差的回归* 128
习题 133
第6章 频谱分析与滤波 136
6.1 周期性和循环性行为 136
6.2 谱密度 144
6.3 线性滤波器 * 148
习题 152
第7章 频谱估计 155
7.1 周期图和离散傅里叶变换 155
7.2 非参数谱估计 160
7.3 参数谱估计 172
7.4 相干性和交叉谱 * 174
习题 178
第8章 其他主题 * 181
8.1 GARCH 模型 181
8.2 单位根检验 189
8.3 长记忆模型和分数阶差分 192
8.4 状态空间模型 198
8.5 交叉相关分析和预白化 201
8.6 自回归模型的自助法 205
8.7 阈值自回归模型 209
习题 214
附录A R 补充材料 216
附录B 概率论与统计入门 235
附录C 复数入门 240
附录D 其他时域理论 247
附录E 部分习题的提示 256
参考文献 264
前言
第1章 时间序列基础 1
1.1 介绍 1
1.2 时间序列数据 1
1.3 时间序列模型 9
习题 14
第2章 相关性与平稳时间序列 16
2.1 度量相关性 16
2.2 平稳性 20
2.3 相关系数的估计 28
习题 34
第3章 时间序列回归和探索性数据分析 38
3.1 时间序列的*小二乘 38
3.2 探索性数据分析 49
3.3 时间序列中的平滑 61
习题 67
第4章 ARMA 模型 69
4.1 介绍 69
4.2 相关性函数 79
4.3 模型估计 86
4.4 模型预测 97
习题 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 季节性 ARIMA 模型 117
5.4 具有自相关误差的回归* 128
习题 133
第6章 频谱分析与滤波 136
6.1 周期性和循环性行为 136
6.2 谱密度 144
6.3 线性滤波器 * 148
习题 152
第7章 频谱估计 155
7.1 周期图和离散傅里叶变换 155
7.2 非参数谱估计 160
7.3 参数谱估计 172
7.4 相干性和交叉谱 * 174
习题 178
第8章 其他主题 * 181
8.1 GARCH 模型 181
8.2 单位根检验 189
8.3 长记忆模型和分数阶差分 192
8.4 状态空间模型 198
8.5 交叉相关分析和预白化 201
8.6 自回归模型的自助法 205
8.7 阈值自回归模型 209
习题 214
附录A R 补充材料 216
附录B 概率论与统计入门 235
附录C 复数入门 240
附录D 其他时域理论 247
附录E 部分习题的提示 256
参考文献 264
展开全部
时间序列分析:基于R的数据分析方法 作者简介
罗伯特·H. 沙姆韦（Robert H. Shumway） 加利福尼亚大学戴维斯分校统计系荣誉退休教授，美国统计协会会士，曾获美国统计协会杰出统计应用奖。著作等身，并在Journal of Forecasting和Journal of the American Statistical Association等专业期刊的编委会任职。 戴维·S. 斯托弗（David S. Stoffer） 匹兹堡大学统计系教授，美国统计协会会士，曾获美国统计协会杰出统计应用奖。目前是Journal of Forecasting、Annals of Statistical Mathematics和Journal of Time Series Analysis的编委会成员。曾担任美国国家科学基金会的数学科学部项目主任，以及Journal of the American Statistical Association和Journal of Business & Economic Statistics的助理编辑。
书友推荐
本类畅销
-
普林斯顿微积分读本-(修订版)
¥69.3¥99 -
怎样解题
¥17.2¥29 -
数学-应用与思考
¥16.1¥32.8 -
高等代数思想方法分析及应用研究
¥25.3¥76 -
高等代数典型问题研究与实例探析
¥30.4¥92 -
数字唬人:用常识看穿无所不在的数字陷阱
¥16¥36.8
