医学心理学

第1章 时间序列分析概述 1 
1.1 关于时间序列分析 1 
1.1.1 引例 1 
1.1.2 时间序列分析及预测的产生与发展 7 
1.2 时间序列分析的基本步骤 9 
1.2.1 特征分析 9 
1.2.2 模型识别 10 
1.2.3 模型参数估计 11 
1.2.4 模型检验 11 
1.2.5 模型应用 12 
1.3 时间序列分析软件 12 
本章小结 13 
思考题 14 
第2章 时间序列分析的基本概论 15 
2.1 随机过程 15 
2.1.1 随机过程的相关概念 15 
2.1.2 随机过程的分布及其特征 16 
2.1.3 几种重要的随机过程 18 
2.2 平稳随机过程 18 
2.3 时间序列的平稳性与非平稳性 20 
2.4 时间序列数据的预处理 21 
2.4.1 平稳性检验 21 
2.4.2 正态性检验 24 
2.4.3 独立性检验 26 
2.4.4 异常点的检验与处理 27 
本章小结 27 
思考题 28 
第3章 时间序列模型及预测方法 29 
3.1 几种典型的时间序列模型 29 
3.1.1 向量自回归模型 29 
3.1.2 滑动平均模型 32 
3.1.3 向量自回归滑动平均模型 33 
3.1.4 向量误差修正模型 35 
3.1.5 自回归条件异方差模型 37 
3.2 最小均方误差预测 39 
3.3 区间预测 41 
3.4 基于计算智能技术的时间序列模型及预测方法 42 
3.4.1 人工神经网络模型及预测方法 43 
3.4.2 贝叶斯网络模型及预测方法 46 
3.4.3 支持向量机预测方法 47 
3.5 平稳时间序列模型的建立 48 
3.5.1 模型识别与定阶 48 
3.5.2 模型参数估计 54 
本章小结 58 
思考题 59 
第4章 模糊时间序列模型及预测方法 61 
4.1 引言 61 
4.2 模糊集合的基础知识 62 
4.2.1 模糊集合的概念 62 
4.2.2 模糊集合的运算 66 
4.2.3 水平截集及分解定理 68 
4.3 模糊时间序列预测模型 72 
4.3.1 模糊时间序列模型简介 72 
4.3.2 模糊时间序列模型及其基本框架 74 
本章小结 80 
思考题 80 
第5章 基于信息粒度的模糊时间序列模型及预测 82 
5.1 引言 82 
5.2 基于信息粒度和模糊聚类的论域划分方法 82 
5.2.1 方法的理论知识 82 
5.2.2 本节提出的论域划分方法 85 
5.3 基于信息粒度的模糊时间序列模型 87 
5.4 仿真实验与分析 89 
5.4.1 Alabama大学入学人数预测 89 
5.4.2 DAX股票月值指数预测 94 
本章小结 97 
思考题 97 
第6章 包含时域信息的模糊时间序列模型及预测 99 
6.1 引言 99 
6.2 包含时间变量信息的论域划分方法 100 
6.2.1 方法的理论知识 100 
6.2.2 本节提出的论域划分方法 102 
6.3 包含时间信息的模糊时间序列模型 105 
6.4 实验结果与分析 106 
6.4.1 Alabama大学入学人数预测 106 
6.4.2 TAIEX 预测 112 
本章小结 116 
思考题 116 
第7章 基于Granger相关性的时间序列模型及预测 118 
7.1 引言 118 
7.2 基础知识 119 
7.2.1 Granger相关性及假设检验 119 
7.2.2 利用神经网络识别函数关系 121 
7.3 基于Granger相关性的时间序列模型 121 
7.4 实验结果与分析 123 
7.4.1 人工合成数据预测 124 
7.4.2 真实数据预测 128 
本章小结 132 
思考题 132 
参考文献 134 
附录A 标准正态分布表 139 
附录B t分布的分位点 141 
附录C F分布上侧a分位数表 143 
附录D x2分布表 149 
附录E 协整检验临界值表 151