表7.数学及统计学院（系、所）研究生课程简介.docVIP

表7． 数学与统计 学院（系、所） 研究生课程简介 课程名称：时间序列分析 英文名称：Time Series Analysis 课程类型：■讲授课程 □实践（实验、实习）课程 □研讨课程 □专题讲座 □其它 考核方式： 考试 教学方式：讲授 适用专业：数学、统计 适用层次： 硕士■ 博士 □ 开课学期： 秋 总学时/讲授学时： 64 / 64 学分：4 先修课程要求： 课程组教师姓名 职 称 专 业 年 龄 学术专长 刘小茂 副教授 概率论与数理统计 课程教学目标： 本课程主要是介绍时间序列分析的理论及其应用，重点培养学生应用概率统计、随机过程的理论和方法进行随机数据的建模和数据分析的能力。 教学大纲（章节目录）： 第一章 平稳时间序列 §1.1 时间序列实例 §1.2 平稳随机过程 §1.3 趋势项和季节项的估计和分离 第二章 Hilbert空间 §2.1 Hilbert空间及其性质 §2.2 正交基与投影定理 §2.3 均方收敛,条件期望和中的最佳預报 §2.4 空间的完备性与同构 第三章 平稳ARMA过程 §3.1 因果可逆ARMA过程 §3.2 无穷阶滑动平均过程 §3.3 ARMA过程的自协方差函数与偏自相关函数 §3.4 常系数线性差分方程 第四章 平稳过程的譜表示 §4.1 Herglots定理 §4.2 譜密度与ARMA过程 §4.3 平稳过程的譜表示 第五章 平稳过程的預报 §5.1 时域中的預报方程 §5.2 最佳线性預报的递推计算方法 §5.3 ARMA过程的递推預报 §5.4 频域中的預报 第六章 ARMA模型的估计 §6.1 自回归过程的Yule-Walker方程和参数估计 §6.2 应用Durbin-Levinson算法的自回归过程初估计 §6.3 滑动平均过程参数的新信息估计 §6.4 ARMA过程的初估计极大似然估计和最小二乘估计 §6.5 估计的渐近有效性与渐近正态性 第七章 利用ARIMA过程建模和預报 §7.1 非平稳时间序列的ARIMA模型 §7.2 ARIMA模型的辩识方法与诊断检验 §7.3 ARIMA模型的預报 §7.4 季节ARIMA模型 第八章 平稳过程的譜推断 第九章 多维时间序列 教材： Peter J．Brockwell, A．Davis, Time Series :Theory a Time Series nad Methods; Richard Spinger Verlag New York 1987 Second Edition 主要参考书： [1] Box,G.E.P.and Jenking,G.M. Holden-Day, Time Series Anal: Forecasting and Control San Francisco,1970 [2] 杨叔子，时间序列分析与工程应用, 华中科技大学出版社，1987 注：每门课程都须填写此表。本表不够可加页