时间序列分析及其应用——基于R

本书以经济、管理、气 象、医学、工业生产、金融 等活动中产生的时间序列数 据为对象，运用数学和统计 学方法，进行时间序列的时 域和频域分析。本书将理论 分析与数据案例相结合，从 传统经典时间序列模型到现 代机器学习、深度学习、强 化学习与时间序列数据融合 ，按由浅入深的方式编写而 成。 本书有配套PPT课件、教 学大纲、案例数据、R代码 等教学资源，智慧树平台有 教学视频和练习题，提供多 源、丰富的辅助学习工具。 本书可以作为统计学、 数据科学等相关专业本科生 、硕士生学习相关课程的教 材，也可以作为企业、政府 等相关人员学习预测和决策 方面知识的参考书。

第1章 时间序列分析概述 1.1 随处可见的时间序列 1.2 时间序列的定义 1.3 时间序列分析的发展历程 1.3.1 描述性时间序列分析 1.3.2 统计时间序列分析 1.4 时间序列分析的基本流程与课程导论 1.4.1 时间序列分析的系统化流程 1.4.2 前置要求 1.4.3 主要参考书目 1.5 R语言 1.5.1 R程序包的安装 1.5.2 调用R程序包 1.5.3 查看函数的帮助文件 1.5.4 R的函数 1.5.5 赋值、注释和对象命名 1.5.6 元素与对象的类 1.5.7 R的运算符 1.5.8 R的数据读取和存储 1.5.9 向量、矩阵和数据框的创建 1.5.10 R对象类的判断与转换 1.5.11 R中元素的引用与访问 1.5.12 条件筛选与排序 1.5.13 R的工作路径 1.5.14 R绘图 1.5.15 R函数编写 1.5.16 R脚本编程 习题 第2章 时间序列分析的基础 2.1 随机过程 2.1.1 随机过程的定义 2.1.2 随机过程的矩统计量 2.1.3 随机过程的平稳性 2.2 概率分布与特征统计量 2.3 样本的特征统计量 2.3.1 样本均值 2.3.2 样本自协方差函数 2.3.3 样本自相关系数 2.3.4 样本偏自相关系数 2.4 时间序列的平稳性的概念 2.4.1 严平稳 2.4.2 宽平稳 2.4.3 平稳时间序列的统计性质 2.4.4 平稳性的意义 2.5 平稳性检验 2.5.1 图检法 2.5.2 ADF检验 2.5.3 PP检验 2.5.4 KPSS检验 2.6 白噪声