時間序列分析簡明教程

內容介紹《時間序列分析簡明教程》內容簡介：時間序列分析方法與隨機過程理論有所區別，前者是先對實測數據建立數學模型，並在此基礎上進一步分析隨機數據的統計特性；後者是在對實測數據統計所得的先驗機率知識基礎上來分析其統計特性。 時間序列分析方法可以克服這個困難，它是在有限個樣本數據總量的情況下建立起相當精確的數學模型，從而獲得具有一定精度（用模型誤差方差來表示）的統計特性，與真實結果非常接近，因此在實際套用時比較方便，可操作性較好。 總之，隨機過程分析方法在理論上嚴謹求實，但操作性較差；而時間序列分析方法在使用時方便實用，但是，要想建立精度相當高的時序模型不僅要求模型參數最佳地估計，而且模型階數也要合適，因此建模過程也是相當複雜的。

內容介紹

《時間序列分析簡明教程》內容簡介：時間序列分析方法與隨機過程理論有所區別，前者是先對實測數據建立數學模型，並在此基礎上進一步分析隨機數據的統計特性；後者是在對實測數據統計所得的先驗機率知識基礎上來分析其統計特性。由於人們所能獲得的實測數據總是有限的，而理論上的先驗機率要求在無限多的樣本數據基礎上統計才能獲得，因此實際上我們能夠獲得的先驗機率只能是在一定置信度條件下的近似，亦即儘量接近真實的機率（密度）分布，這是隨機過程理論和方法在實際套用時的困難。時間序列分析方法可以克服這個困難，它是在有限個樣本數據總量的情況下建立起相當精確的數學模型，從而獲得具有一定精度（用模型誤差方差來表示）的統計特性，與真實結果非常接近，因此在實際套用時比較方便，可操作性較好。總之，隨機過程分析方法在理論上嚴謹求實，但操作性較差；而時間序列分析方法在使用時方便實用，但是，要想建立精度相當高的時序模型不僅要求模型參數最佳地估計，而且模型階數也要合適，因此建模過程也是相當複雜的。這兩種對隨機數據序列的分析方法都有各自的研究和套用領域，應視不同的分析對象和要求而定。