Time series analysis:forecasting and control

　　译者序
　　第4版前言
　　第3版前言
　　教学建议
　　 第1章 引言1
　　 1.1 五个重要的现实问题1
　　 1.2 随机性和确定性的动态数学模型4
　　 1.3 建模的基本思想10
　　第一部分 随机模型及其预测
　　 第2章 平稳过程的自相关函数和谱14
　　 2.1 平稳模型的自相关性质14
　　 2.2 平稳模型的频谱特性23
　　 附录2A 样本谱和自相关函数估计之间的联系29
　　 第3章 线性平稳模型30
　　 3.1 一般线性过程30
　　 3.2 自回归过程35
　　 3.3 移动平均过程44
　　 3.4 自回归移动平均混合过程48
　　 附录3A 一般线性过程的自协方差函数，自协方差生成函数及平稳性条件53
　　 附录3B 计算自回归参数估计值的递推方法54
　　 第4章 线性非平稳模型56
　　 4.1 求和自回归移动平均过程56
　　 4.2 求和自回归移动平均模型的三种表现形式62
　　 4.3 求和移动平均过程68
　　 附录4A 线性差分方程74
　　 附录4B 具有确定性偏差的IMA（0，1，1）过程77
　　 附录4C 带有附加噪声的ARIMA过程77
　　 第5章 预测81
　　 5.1 最小均方误差预测及其性质81
　　 5.2 预测的计算和修正86
　　 5.3 预测函数和预测权90
　　 5.4 预测函数及其修正的例子93
　　 5.5 状态空间模型公式用于精确预测101
　　 5.6 小结105
　　 附录5A 预测误差之间的相关107
　　 附录5B 任意提前的预测权109
　　 附录5C 采用一般求和形式的预测110
　　第二部分 随机模型的建立
　　 第6章 模型识别116
　　 6.1 识别的目的116
　　 6.2 识别技巧117
　　 6.3 参数的初估计126
　　 6.4 模型的多重性131
　　 附录6A 非平稳过程自相关估计值的期望特征134
　　 附录6B 得到自回归移动平均混合模型参数初估计的一般方法135
　　 第7章 模型的估计137
　　 7.1 似然函数和平方和函数的研究137
　　 7.2 非线性估计151
　　 7.3 对具体模型的一些估计结果159
　　 7.4 基于状态空间模型的似然函数164
　　 7.5 ARIMA模型中的单位根167
　　 7.6 使用Bayes原理的估计172
　　 附录7A 正态分布理论的回顾177
　　 附录7B 线性最小二乘原理的回顾181
　　 附录7C 移动平均和混合过程的精确似然函数182
　　 附录7D 自回归过程的精确似然函数187
　　 附录7E 自回归模型估计量的渐近分布192
　　 附录7F 参数估计误差对预测误差方差和预测概率限影响的例子194
　　 附录7G 关于移动平均参数估计的特别注记196
　　 第8章 模型的诊断检验197
　　 8.1 随机模型的检验197
　　 8.2 应用于残差的诊断检验200
　　 8.3 利用残差修正模型208
　　 第9章 季节模型210
　　 9.1 季节时间序列的简约模型210
　　 9.2 用乘积（0，1，1）×(0，1，1)12模型对航空旅客数据的描述213
　　 9.3 更一般的季节模型ARIMA的某些方面223
　　 9.4 结构分量模型和确定性季节分量228
　　 9.5 带有时间序列误差项的回归模型236
　　 附录9A 一些季节性模型的自协方差242
　　 第10章 非线性和长记忆模型245
　　 10.1 自回归条件异方差（ARCH）模型245
　　 10.2 非线性时间序列模型250
　　 10.3 长记忆时间序列过程255
　　第三部分 传递函数模型和多变量模型的建立
　　 第11章 传递函数模型262
　　 11.1 线性传递函数模型262
　　 11.2 用差分方程表示的离散动态模型267
　　 11.3 离散模型和连续模型的关系273
　　 附录11A 具有脉冲式输入的连续模型277
　　 附录11B 非线性传递函数与线性化279
　　 第12章 传递函数模型的识别、拟合及检验281
　　 12.1 互相关函数281
　　 12.2 传递函数模型的识别286
　　 12.3 传递函数模型的识别与拟合292
　　 12.4 拟合及检验传递函数模型的一些例子297
　　 12.5 使用领先指标建立传递函数模型进行预测301
　　 12.6 估计传递函数有关的实验设计方面的问题307
　　 附录12A 互谱分析用于传递函数模型的识别308
　　 附录12B 选择输入以得到最优的参数估计310
　　 第13章 干预分析模型和异常值检测313
　　 13.1 干预分析方法313
　　 13.2 时间序列的异常值分析318
　　 13.3 对存在缺失值ARMA模型的估计323
　　 第14章 多元时间序列分析328
　　 14.1 平稳多元时间序列328
　　 14.2 平稳多元过程的线性模型表达式332
　　 14.3 非平稳向量自回归移动平均模型341
　　 14.4 对向量自回归移动平均过程的预测343
　　 14.5 向量ARMA模型的状态空间形式344
　　 14.6 向量ARMA模型的统计分析346
　　 14.7 向量ARMA建模的例子352
　　第四部分 离散控制方案的设计
　　 第15章 过程控制的各个方面358
　　 15.1 过程监测和过程调整359
　　 15.2 使用反馈控制的过程调整362
　　 15.3 MMSE控制有时所需的过度调整372
　　 15.4 对于具有固定调整和监测代价的最小代价控制374
　　 15.5 前馈控制378
　　 15.6 预测参数值和反馈调整方案的监测385
　　 附录15A 调整方差有约束的反馈控制方案386
　　 附录15B 抽样间隔的选择392
　　第五部分 图表
　　 图表汇集396
　　 正文和习题中使用的时间序列汇集400
　　习题413